一个 Coding Agent 连续开发 70 轮之后，会发生什么？ 这篇 Harness-of-Harness 给了一个很好的答案： 项目确实在变完整，但已经修好的问题，也会被后续修改重新弄坏。 上海 AI Lab 这篇论文，研究的是怎么让 Coding Agent 在长时间开发里保持持续进展。 它把 Codex、OpenCode、Pi 这类现有 Coding Harness 组织成一个反复迭代的开发循环： 每轮先规划下一步，再实现，然后交给独立 QA 验收。测试结果、失败证据和项目历史都会留下来，下一轮继续接着做。 作者还让 Agent 连续开发一款 FPS 游戏 70 轮，一共记录了 81 个问题。到最后关闭了 65 个，其中 17 个问题曾经修好，又因为后续改动重新出现。 这个细节很有意思，因为它很像真实软件工程里的 regression。 长时 Coding Agent 难的地方，是几十轮修改之后，系统还能保住已经验证过的进展，不会一边加功能，一边把旧问题重新放回来。 实验里，HoH 在三个 benchmark 上相对 standalone harness 平均提升 52.25%；在 FrontierSWE 上，Codex + GPT-5.5 从 22% 提升到 72.67%。 看完这篇，我会更关注 Coding Agent 的「工程连续性」。 每一轮都留下可验证的进展，下一轮知道哪些地方已经做对、哪些问题还没解决，出了 regression 也能快速定位。 当 Agent 能连续几十轮让一个项目稳定变完整，它才真正开始接近自主软件开发。 📎 arxiv: arxiv.org/abs/2609.01481