今天看到一个很有意思的 Harness 测试榜单： 具体做法是让不同 Model × Harness完成同一个
今天看到一个很有意思的 Harness 测试榜单：
https://alvins82.github.io/hangar-harness-model-tests/
具体做法是让不同 Model × Harness完成同一个 Three.js 任务，然后比较最终效果、耗时、Token、Tool Calls，以及 Agent 有没有主动打开浏览器、检查截图。
极客杰尼 @seekjourney 搞 harness 的朋友强烈推荐看看这篇 200w 浏览量的文章，Uber 内部扎实的工程经验。
如何多快好省的完成任务是一个挑战。
