Overview
冻结 LLM 的长期能力不一定来自更新权重，也可以来自围绕模型的外部系统：技能库、结构化 context、workflow、tool/runtime 协议、文件系统记忆、评估器、权限边界，以及能被搜索或自我修订的 harness code。Harness Evolution 关心的不是“又出现了哪个系统”，而是这些外部资产如何让同一个模型在更长任务、更复杂反馈和更多历史经验中变强。
当前 topic 的主骨架是问题地图；系统页只作为证据锚点。MUSE-Autoskill、MCE、Meta-Harness、Self-Harness 等页面保留，是因为它们会被多个问题反复引用，而不是因为每篇来源都应该变成系统页。Lilian Weng 的综述把这些线索整理成更大的 RSI 近端路径：先优化模型外部的运行系统，再让更强的运行系统支持更好的研究、训练或部署循环。
问题地图
技能资产长什么样
技能是 harness evolution 的一个资产层，而不是唯一对象。Voyager 把技能做成可执行代码；AutoSkill 把对话经验抽成 SKILL.md；MUSE-Autoskill 采用带 tests/、脚本和 .memory.md 的 Agent Skills 包；SkillOS 把外部 SkillRepo 交给 curator 维护。关键问题是：资产要保留多少程序性结构、多少自然语言规则，以及是否能被独立测试和迁移。详见 Skill Library。
库如何不漂坏
库增长本身会制造噪声、冲突、重复与过时条目。AutoSkill 给出 add / merge / discard 与版本化合并；MUSE 把创建、评估、更新、合并和裁剪放进同一运行时；Ratchet 把瓶颈明确为 librarian / hygiene，并强调 retirement、active cap 与 meta-skill authoring prior。详见 技能生命周期。
策展能否被学习
启发式 librarian 只能表达人的先验。SkillOS 把 executor 冻结，只训练 skill curator，并用 grouped task streams 与 composite rewards 从延迟反馈中学习长期策展策略。这个方向把「如何改库」本身变成可优化策略，而不是固定规则。详见 Skill Curation RL。
LLM 自写技能到底有没有用
这是本 topic 的主要争议。Ratchet 引用 SkillsBench 原文，把“LLM 自写技能无增益”解释为生命周期治理瓶颈；MUSE-Autoskill 在全生命周期 agent 中报告自建技能仍有正增益，并认为瓶颈更多在生成覆盖率。这个分歧不能靠单一分数裁决，必须保留协议、agent 栈、覆盖口径和技能治理差异。详见 自写技能有效性争议。
Harness 到底优化什么
Weng 把 harness optimization 的对象序列概括为 instruction prompts → structured context → workflow → harness code → optimizer code。MCE 演化 CE skill，Meta-Harness 用外部 coding agent 搜索任务侧 harness 程序，Self-Harness 让目标模型依据自身失败轨迹提出 bounded harness edits；三者都不是 task skill librarian，而是把“如何运行模型”本身变成可评估、可修改的对象。详见 Harness Engineering、Meta Context Engineering、Meta-Harness 与 Self-Harness。
评估与权限边界如何不被优化器破坏
自我改进 loop 优化的永远是给定信号。若信号来自单元测试、judge model 或公开 benchmark，系统可能学到 test overfitting、judge hacking 或 benchmark artifact。Harness evolution 因此不能只看 pass rate；评估器、trace audit、held-out tests、权限控制和 human review 需要在关键决策点留在可演化 loop 外部。
共同主张与边界
共同主张：能力增长可以发生在外部资产或外部 harness 上，而不必先更新权重。真正的分歧在于资产边界与反馈回路：技能是代码、Markdown、带测试的包，还是完整 harness；维护靠启发式、单测、RL curator、外部 coding agent 搜索，还是目标模型自提 harness edit；评估看任务成功、覆盖率、迁移性、搜索/上下文成本、held-out 非回归，还是长期可维护性。
本 topic 暂时把“外部能力演化”作为共同边界：任务技能库、context engineering 与 harness code search 都属于它；直接改模型权重、纯 self-play 训练或通用 continual learning 只在与 harness loop 联合优化时进入本 topic。