從靜態流程到自我演進：Harness 如何利用失敗軌跡改寫自己

先看結論：企業買的不是模型，而是完成工作的能力

早期 Agent Harness 多由開發者預先寫好提示、步驟與錯誤處理，本質是靜態工作流程。這對規則明確的任務有效，卻難以涵蓋現實環境的所有失敗。報告引用 Harness-R1 研究指出，固定 Self-Refine 在三個基準測試中反而讓 Reward 下降，而不同環境需要不同介入位置。下一代 Harness 的方向，不是堆更多固定規則，而是從真實失敗軌跡判斷何時、在哪裡、用什麼方式修正執行。

這個題目值得獨立拆解，因為企業 AI 已經走到第二個階段。第一階段比的是模型能不能回答，第二階段比的是系統能不能在資料不完整、權限複雜、流程跨部門的環境裡，穩定交付可衡量結果。從靜態流程到自我演進：Harness 如何利用失敗軌跡改寫自己不是技術名詞的排列組合，而是一個組織、工程與財務必須同時成立的問題。

運作機制：把人的經驗翻成 Agent 可執行的規則

自我演進的核心資料是完整 Trajectory：模型看到的脈絡、採取的動作、工具回應、環境變化、失敗原因與最後結果。系統先辨識失敗模式，再修改提示、工具選擇、記憶策略、動作前檢查或回饋後復原，最後以相同任務集重新評估。某些購物任務更需要動作前媒合，某些環境任務則更依賴取得回饋後復原，說明介入點必須依任務而變。

Harness 可以理解為包在模型外面的 Agent 執行環境。它管理任務脈絡、記憶、工具、狀態、權限、驗證、監控與錯誤復原，把一次文字生成變成可以持續做事的系統。模型像大腦，Harness 更像神經、手腳、安全帶與行車紀錄器；少一樣，正式上路都會讓法務和資訊長睡不好。

實務上應先畫出原有流程的輸入、判斷、工具、輸出與例外，再決定哪些環節交給 Agent、哪些需要人工核准。這個順序很重要：若先拿模型找題目，團隊容易做出技術可行但商業低頻的功能；若先找出高成本、高等待或高錯誤的流程，再設計資料與執行環境，投資報酬率才有機會被驗證。

財務視角：從專案收入走向能力複製

自我演進可以降低人工作業與重複除錯，但也帶來評估成本。每次修改 Harness 都要用固定資料集、真實流量影子測試與版本控管，避免在一類任務變好、另一類任務退化。若沒有可靠評測，『自我改善』很可能只是把問題移到看不見的角落。財務上應比較失敗率下降所節省的人工與重試，是否大於額外訓練、評估與運算成本。

財務長應把成本拆成五層：場景診斷、資料與系統串接、模型推論、執行框架、上線後的人工作業。初期毛利偏低不必然代表模式失敗，因為第一批客戶可能同時支付產品學習成本；但下一批同類客戶若沒有明顯縮短交付週期，代表知識沒有資產化。最重要的曲線，是每一元新增收入需要多少新增工程人力與模型成本。

收入品質也要分開看。一次性顧問費能證明客戶願意付錢，訂閱與用量收入則更能反映系統已進入日常流程；成果分成若能建立清楚基線，可能提高上限，但也會帶來歸因與合約爭議。健康的商業組合通常是以前期服務完成導入，再讓軟體、技能模組與執行量成為後續擴張主體。

執行方法：從一個高價值流程開始

企業可先建立失敗分類與回放機制，而不是立即追求完全自動改寫。每週把錯誤依模型、資料、工具、權限、流程與使用者分群，選出高頻且可重現的模式；變更以版本發布，保留對照組與回復點。等到資料量、測試與治理成熟，再讓系統自動提出修改，由工程師核准後進入下一版。

導入時應先定義成功與失敗。成功不只包含平均任務時間下降，也包括錯誤率、人工覆核、法遵事件與使用者採用；失敗則要能被分成模型、資料、權限、工具、流程或組織責任。分類清楚後，每次錯誤才會變成測試資料與產品改進，而不是群組裡又多一張『AI 怎麼又壞了』的截圖。

反方論證：重交付也可能只是昂貴的人力生意

讓 Harness 自動修改自己會增加可預測性與稽核難度。金融、醫療或關鍵製造流程不能只因新版本平均成功率較高，就忽略少數高損失錯誤。自我演進必須受限於可變範圍、評估門檻與人工核准；核心權限、法遵規則與不可逆動作不應由執行軌跡自行放寬。

最複雜的 Harness 不一定最好。每多一個規劃器、評估器或子 Agent，都會增加模型呼叫、延遲與故障點。合理做法是以真實任務做刪減測試：拿掉元件後成功率是否下降、下降多少、值不值得額外成本。最終要最佳化的是每個成功任務的總成本，而不是單次 Token 最便宜。

此外，報告整理的數據包含企業調查、公司案例、產品公告與研究判斷，可信度與時間點並不完全相同。本文保留原始頁碼，並把已發生事實、廠商所述規畫與延伸分析分開呈現。對快速變動的 Agent 市場而言，最危險的不是判斷暫時錯，而是把尚未驗證的規畫寫成已經實現的財務成果。

台灣企業可以怎麼用：先做流程資產負債表

台灣企業最需要先做的，是把目前散落在客服群組、工單與工程師腦中的失敗經驗結構化。建立 Trace、錯誤分類、測試集與變更紀錄後，即使尚未用自我演進演算法，也能讓產品每週變好。這套能力對多模型環境尤其重要，因為模型更換後可以用同一組任務與失敗資料快速驗證。

接下來可固定追蹤：1、失敗軌跡是否完整可回放；2、Harness 版本變更的回歸測試；3、跨任務平均與尾端風險；4、自動修改範圍與人工核准。這些指標同時涵蓋技術、流程與財務，能避免團隊只挑對自己有利的數字。對台灣企業而言，最務實的起點通常不是成立一支龐大 AI 部門，而是選一條跨資料、跨系統、又能直接衡量成本或營收的流程，讓小型 FDE 團隊與業務負責人共同完成第一個生產閉環。

最後要記住，真正的護城河不是 Prompt 數量，而是企業願不願意把規則、失敗案例與決策邊界持續沉澱。模型會升級、單價會下降、工具名稱也會換季；留在公司裡的本體模型、測試資料集、連接器、技能模組、權限設計與營運紀錄，才是能在下一輪技術變化中繼續複利的資產。