Teaching Agents to Write Testable Code
这个正是我们要做的， 就是动态注入工具。 比如一些金融操作涉及到确定性违背，我们需要动态进行工具计算。返回危险程度
7 Matching Annotations
- Last 7 days
-
-
-
a Ralph Wiggum Loop where a hook forces
这个恰好是我们的设计核心算法 通过钩子函数进行拦截，避免agent 直接执行错误操作
-
Fetch experiment traces from LangSmithSpawn parallel error analysis agents → main agent synthesizes findings + suggestionsAggregate feedback and make targeted changes to the harness.
如果只是单纯的拿到输入和输出，那可以 。 但是一定不能让agent 拿到测试数据。 一旦通过测试数据，构建pattern ， 优化迭代就会出问题。
-
System Prompt, Tools, and Middleware (our term for hooks around model and tool calls).
可以参考 - 聚焦三大核心：系统提示词、工具与中间件（本文特指围绕模型调用和工具调用的钩子机制）。
-
We use Harbor to orchestrate the runs. It spins up sandboxes (Daytona),
实验通过 Harbor 统筹调度全流程：自动启动 Daytona 沙箱环境、对接智能体运行循环，并完成结果校验与分数评定。 这里两个英文值得看看是啥？ 回头过来看
-
only tweaked the harness
这里具体怎么微调的呢
-
Design decisions include the system prompt, tool choice, and execution flow.
系统提示词， 工具 ， 整体的 workflow ； 这是harness 的工作范畴。 给了一个定义
-