- Recommendation
- keep_as_capture_thread
- Projection Targets
- hold / archive
- Clarify Count
- 2
- Capture Count
- 1
- Kinds
- question / reference
Harness Eval：用Harness开启新的评测时代
多 lane / 多 item 线程的当前处理状态、lane policy 和 source capture。
Thread Summary
这组线程为什么值得单独看
多 lane capture 往往是 handoff 出问题的地方，所以这里把 lane 级别判断单独展开。
Source Preview
Harness Eval：用Harness开启新的评测时代
Harness Eval：用Harness开启新的评测时代 Harness 在AI时代越来越重要。 因为真正让 Agent 跑起来的，不只是模型能力，还有拆任务、调工具、找证据、做验证的一整套 workflow。 但 Eval 不也是一套 workflow 吗？ 为什么 Agent 能动态规划，Benchmark 却还是固定题目、固定指标、固定分数？ 因此，我们把 Harness 搬进了 Evaluation。 让 Evaluator Agent 自己决定： 测什么、怎么测、调用哪些 skills、sub-agents 和 tools，并综合证据给出结…
Lane View
每个 lane 现在怎么判
这些内容直接来自 lane-split preview；点 item 可继续往下看单项 detail。
roya-brand
1 items
- 从 Capture《Harness Eval：用Harness开启新的评测时代》保留问题：Harness Eval：用Harness开启新的评测时代
Harness 在AI时代越来越重要。
因为真正让 Agent 跑起来的，不只是模型能力，还有拆任务、调工具、找证据、做验证的一整套 workflow。
但 Eval 不也是一套
先在 clarify / merged 层保留这条内容，再提炼真实任务、状态与主题
Items
线程内所有 active item
这里列的是结构化 JSON 里的 active item，而不是人工再总结一遍。