资产保全智能体：该微调基座还是只做 Harness 工程？——一个次序问题，而不是替代问题

"有了 harness 就不用微调基座"，在 Harness-R1 自己报告的数据上就不成立

微调与 harness 不在同一层：harness 改的是运行时的上下文、工具、动作校验与执行恢复，微调改的是模型权重

反方向同样成立——harness 的收益可以被蒸馏进权重，两者边界可渗透，所以问题不是"选一个"，而是"先做什么"

对银行资产保全，真正的约束不是模型能力，而是流程与数据有没有线上化

结论是一条次序：先线上化并建评测集，再优先做 harness 工程，最后只在同时满足四项判据的窄任务上考虑微调

素材说明：事实来源仅 8 份已归档文本。一手学术论文 3 篇摘要（arXiv:2608.02276、2609.24974、2603.09619）：标题、编号与摘要数字可作一手事实引用，但均为论文自身报告的结果，未经独立复现。监管部分为 2 份二手解读：KD Odden 律所简报（二手，从 PDF 元数据提取的片段）与 Empyrean Solutions 博客（厂商博客，二手）；一手监管公报原文未能取得——本机网络下其官方发布页面不可达（TLS 被中断）。故凡涉及范围、生效、支柱、比例原则、生成式 AI 被排除、平行治理架构等内容，一律注明二手解读并建议以官方文本为准；不引述原文与条款号，不虚构生效日期细节；官方发布位置（OCC Bulletin 2026-13）仅作"存在性"信息。媒体报道 2 份均为媒体口径，非监管口径、非行业定论。文中框架、分型、判据、次序与清单均为本文分析／推论。

一、先把问题拆开：两者不在同一层

Harness-R1 摘要对 harness 职责的界定可直接引用：agent harness 负责 "constructs context, mediates tools, validates actions, and recovers execution"，即构造上下文、中介工具、校验动作、恢复执行（arXiv:2608.02276）。这句话没有一个字涉及模型参数——它描述的是一个运行时系统。微调改的则是权重，即模型在给定上下文下的输出分布。

本文分析：两者层次不同，"哪个更好"是提错的问题；可回答的是收益从哪一层来、约束在哪一层、代价记在谁头上。

二、一手证据：叠加，而非替代

Harness-R1 摘要报告的数字如下（论文自身报告，未经独立复现；基准 WebShop、ALFWorld、DBBench，目标模型 Qwen3.5-9B）。机制是：一个独立的 9B harness 工程师把失败轨迹转成经校验的可执行补丁，由冻结的目标智能体在同批重跑提供结果奖励，训练只更新该工程师。

三条要点：其一，"有了 harness 就不用微调"在数据上不成立——摘要写明 "these gains hold both before and after fine-tuning the target"，即增益在微调目标之前和之后都成立。其二，两个数字起点不同：+9.3pp 起于未微调的普通基座，+5.0pp 起于已微调的目标智能体；本文推论：不能因"+5.0pp 小于 +9.3pp"就断定微调后 harness 无用——分母不同，不可直接相减。其三，论文的方向是"共同演化"。

要打破的极端一：把这组数字读成"微调已死、harness 万能"——表中第二行恰恰是"先微调、再叠 harness"。

三、反方向：harness 蒸馏说明边界可渗透

Harness-Zero（arXiv:2609.24974）研究 harness 蒸馏：把领域或实例上优化过的 harness 当作训练时指导，将其诱导的行为迁移进模型权重，使收益在部署换成单一固定 harness 后仍然存活。难点在于两个 harness 的动作空间与可用信息不同，前者的指导不能直接充当监督信号。其机制 agent-as-harness 是：由被优化 harness 引导的 harnessing agent 在目标 harness 的动作空间内先修正学生回答再执行；在这些轨迹上微调后，部署时可撤掉专用 harness。

本文分析：其一，边界双向可渗透：失败轨迹可以用来改 harness，优化过的 harness 也可以蒸馏进权重。其二，次序上并非"必须先微调"：它起点是先有一个优化过的 harness，所以高质量的 harness 轨迹本身就是未来微调的语料。其三，撤掉 harness 后（44.3%）反而高于挂着时（41.7%），说明"harness 一定加分"并不成立。要打破的极端二：把 harness 当成"装上就一定更好"的万能外挂。

四、context engineering 的定位

Context Engineering（arXiv:2603.09619）摘要提出：随着 AI 系统从无状态聊天机器人演进为自主多步智能体，prompt engineering"必要但不充分"，故引入 context engineering 作为一门独立学科，关注设计、结构化并管理智能体决策的整个信息环境；该文援引 Google ADK、Anthropic、LangChain、ACE 框架与 Google DeepMind 等产业与学术工作，以及 Deloitte（2026）与 KPMG（2026）；并给出五项上下文质量判据：relevance、sufficiency、isolation、economy、provenance，把上下文定位为"智能体的操作系统"，其上是 intent engineering 与 specification engineering，构成累积式金字塔。

本文分析：该文给 harness 工程划出内部层级——只写提示词，连门都没进；而 provenance（来源可溯）被列为判据之一，与资产保全的证据链要求同向。本文推论：在资产保全里，"可溯"是业务合规要求，不只是技术指标。

五、资产保全任务分型（本文分析）

本节全部为本文分析，示例为业务类型描述。先给四条判据：① 可度量（能否用可重复指标说清做对没有）；② 有稳定标注（有无口径一致、有人负责的历史判定结果）；③ 可回退（出错能否撤销或纠正）；④ 可归因（收益或损失能否拆到"模型输出"这一层）。

三条推论：其一，只有窄分类型同时满足四条判据——"资产保全要不要微调"是逐任务的答案，不是部门级的统一答案。其二，流程／工具型与文书／口径型的收益几乎全在 harness 一侧：规则能被写成工具与模板时，往权重里灌知识的边际收益很低。其三，经验判断型最不该微调，因为不可回退与不可归因——微调只会制造"我们提升了模型"的错觉。

六、真正的约束：流程与数据的可得性

据网易转载的媒体报道，北京银行 CIO 明立松在一场研讨会上表示，信贷流程中人工智能嵌入关键业务需完成三项前提工作：一是重构所有业务系统，消除线下与手工操作节点，实现数据标准化与接口统一；二是推动端到端流程全面线上化，覆盖贷前客户筛选、贷中审批、贷后监控及不良资产归因处置；三是在此基础上，识别可由人工智能替代的环节。另据经济观察网报道，一场银行零售资产处置研讨会上，财视中国创始人兼 CEO 朱浩表示，零售信贷类资产"小额、分散、高频"的特点使传统处置手段难以奏效；原银保监会专家徐巍表示，强监管态势已进入 AI 与大数据穿透式监管的新阶段。（两则均为媒体报道中的发言人观点，非监管口径、非行业定论。）

本文推论——两则报道叠起来，是一条对微调最不利的约束链：① 微调的燃料是稳定标注，而资产保全的判定结果大量散落在线下审批、纸质材料、分散系统与人工台账中，线上化之前"历史判定结果"不成其为可用的标注集；② 微调的验收依赖可归因指标，而节点仍含手工操作时指标变化无法拆到模型这一层；③ harness 工程只需可调用的工具与可观测日志，因此总是先可行；④ 线上化本身就在为微调准备语料。本文的前置问题是：这项资产保全任务的历史判定结果，今天能不能用同一种口径取出来？ 若不能，微调不是"暂不考虑"，而是连输入都还没有。

七、治理的不对称性（本文分析）

7.1 范围与并行架构：均属二手解读

以下均为二手解读，不是对官方公报的直接引用；一手公报原文未能取得，建议以官方文本为准。

据 KD Odden 律所简报解读：该指引由美联储、OCC 与 FDIC 于 2026 年 4 月 17 日联合发布、即刻生效并废止三份此前文件；三大支柱保留但规定性显著减弱、更强调比例与原则；并称生成式与智能体 AI 被以脚注形式整体划出适用范围，机构需另建平行治理架构。据 Empyrean Solutions 说明：保留三大支柱并新增比例原则；机器学习模型在范围内，生成式与智能体 AI 被排除；取消固定验证周期，改为机构自定频率并记录该判断。

官方发布位置为 OCC Bulletin 2026-13，仅作存在性信息记录，本文未取得其原文、不引述其任何条款内容。

7.2 三条不对称

第一，治理成本不构成"少做微调"的理由。 据二手解读，生成式与智能体 AI 被排除在适用范围之外、且需另建平行治理架构，这笔成本无论是否微调都要付。本文分析：把"避免微调"当作节省治理成本，不成立。

第二，"排除只及形式范围，不及风险"。 据 Empyrean Solutions 说明，该排除适用于正式范围，不适用于风险：生成式输出若喂给在范围内的模型，检查者会沿责任链追下去。本文推论：链条要不要被管，取决于输出去了哪里，而不取决于它自己是什么。

第三，定制必须被文档化并纳入验证。 据两份二手解读，购买厂商模型不转移治理义务：机构仍须把任何定制记录下来并纳入验证、自定并书面记录验证频率。本文分析："微调基座"就是一次定制——但这条指向"记录与验证"，不是"禁止"。

7.3 最关键的一处不对称（本文推论）

三条推论：其一，harness 变更是可回退的工程变更，微调产物是不可撤销的制品——错误代价的形态不同：后者会固化进权重并随制品流转。其二，据二手解读，新指引取消固定验证周期、改由机构自定频率并记录理由——频率可以自定，理由必须写下来。其三，这条不对称决定的是门槛高低，不是允许与否：微调门槛更高，只应在收益足够明确、任务足够窄时使用。

八、决策次序（本文分析）

提醒：第①步不可跳过——没有线上化就没有标注，没有标注就没有监督信号，没有指标就没有验收；第④步四个条件是"与"不是"或"，少了"稳定标注"就变成用自己的猜测监督自己；第⑥步不等于"最终都要微调"。

九、行动清单

法务／合规线：① 建立生成式与智能体 AI 资产清单，标注每条链条的输出流向，识别哪些输出进入了在范围内的模型或拨备、评级环节；② 在治理制度中明确定制的文档化与验证要求，把"是否微调、相对基座差异何在"设为必填；③ 书面记录验证频率及其理由；④ 明确微调制品的血缘留存与披露口径；⑤ 确认平行治理架构的归属与边界。

信息科技线：⑥ 把 harness 变更纳入既有变更管理与 SDLC，明确回滚预案与版本记录；⑦ 建立执行留痕与来源可溯能力（上下文来源、工具调用、校验结果、恢复过程）；⑧ 搭建可重复的评测集与基线；⑨ 建立微调制品台账（基座、数据、超参、评测、部署范围）；⑩ 明确智能体工具链的本地化与数据边界落法（以本机构制度与属地监管要求为准）。

资产保全业务条线：⑪ 按第五节四类做一次任务盘点，标注"属于哪一类、是否满足四条判据"；⑫ 优先做完流程／工具型任务（收益最快、治理成本最低）；⑬ 对窄分类型任务先建评测集与人工复核闭环，指标稳定后再评估微调；⑭ 对经验判断型任务定位为"harness 准备材料与选项、人做决策"；⑮ 建立退回与纠正机制。

最应先动的三项：②、⑧、⑪（分别对应治理对象、共同语言、资源投向三个前置问题）。

FAQ

Q1：有了 harness 工程，是不是就不用微调基座了？

A1：该判断在 Harness-R1 摘要报告的数据上不成立。 论文报告：对目标智能体直接微调之后，再叠加目标专用 harness 工程师，平均成功率仍从 59.2% 提升到 64.2%（+5.0pp），且摘要写明增益在微调前后都成立（论文自身报告，未经独立复现）。本文推论：两者是叠加关系；但叠加不等于每个任务都该微调——仍回到第五节四条判据逐任务判断。

Q2：那是不是应该先把基座微调好，再上 harness？

A2：本文不建议这个次序：Harness-Zero 的路径恰好相反——先用优化过的 harness，再把它诱导的行为蒸馏进权重（论文自身报告）。本文推论：harness 跑通后被校验过的轨迹，才是质量最高的微调语料。

Q3：如果做了微调，SR 26-2 管不管？

A3：须先纠正前提：本文未能取得该指引的一手公报原文（官方发布页面在本机网络下不可达），以下全部来自二手解读，建议以官方文本为准。据 Empyrean Solutions 说明，生成式与智能体 AI 被排除在适用范围之外，但该排除适用于正式范围、不适用于风险——生成式输出若喂给在范围内的模型，责任链会被追下去；对厂商模型，购买不转移治理义务，机构仍须把定制文档化并纳入验证。本文分析：微调基座就是一次定制，并不自动游离在治理之外。

Q4：没有标注数据，评测集从哪里来？

A4：从流程线上化之后的既有判定记录里来，不是从零开始人工标注。 第六节所引 CIO 三项前提的第二项，正是端到端流程线上化并覆盖贷前筛选、贷中审批、贷后监控及不良资产归因处置（据媒体报道，非监管口径）。本文推论：判定结果能否用同一种口径取出，是能否微调的前置问题；此前可先用 harness 跑出可校验的执行轨迹作为初期评测集。

事实来源

1. arXiv:2608.02276《Harness-R1》（论文摘要，一手）：harness 职责原文与三组数字——44.3%→53.6%（+9.3pp）、微调后叠加专用工程师 59.2%→64.2%（+5.0pp）、增益在微调前后均成立；基准 WebShop、ALFWorld、DBBench。均为论文自身报告，未经独立复现。
2. arXiv:2609.24974《Harness-Zero》（论文摘要，一手）：harness 蒸馏定义、agent-as-harness 机制，及三项结果——agent-as-harness 优于 code-as-harness；撤掉专用 harness 后 23.3%→44.3%、超过挂着时的 41.7%；三领域 28 种模式平均恢复率 82.3%。均为论文自身报告，未经独立复现。
3. arXiv:2603.09619《Context Engineering》（论文摘要，一手）："必要但不充分"、CE 的独立学科定位、五项判据（relevance、sufficiency、isolation、economy、provenance）、IE 与 SE，及其援引的 Google ADK／Anthropic／LangChain、ACE 框架、Deloitte（2026）与 KPMG（2026）。其援引的第三方数据属该文转述。
4. KD Odden & Associates 律所简报（2026-04，二手解读，片段式提取）：联合发布、即刻生效、废止三份文件、保留三大支柱与四项变化。系从 PDF 元数据提取的片段，可能有缺漏；以官方公报原文为准。
5. Empyrean Solutions 博客（厂商博客，二手解读）：三大支柱与比例原则、机器学习在范围内而生成式与智能体 AI 被排除、验证频率自定并记录、厂商模型义务、"排除适用于正式范围而非风险"及责任链示例。该文声明不构成法律或监管建议。
6. OCC Bulletin 2026-13（官方，未取得原文）：仅作存在性记录。 本机网络下该页面不可达（TLS 被中断），故未引述其任何原文、条款号或段落细节；一切表述均来自来源 4、5。请以官方文本为准。
7. 网易转载《北京银行 CIO 明立松：布局三类智能体，适配多元任务场景》（媒体报道）：三项前提工作与三类智能体划分。均为媒体报道中的个人观点，非监管口径、非行业定论。
8. 经济观察网《强监管下的不良资产处置新路径》（媒体报道）："小额、分散、高频"使传统处置手段难以奏效；强监管已进入 AI 与大数据穿透式监管新阶段（发言人为原银保监会专家）。均为会议报道中的发言人观点。

本文推论部分（非来源表述）：第一节层次拆分表；第二至四节的判断与推论；第五节的四条判据与四类分型；第六节的约束链；第七节的三条不对称与对比表；第八节六步次序；第九节清单；全部 FAQ。本文不构成监管要求、合规意见或法律意见。

（内容由AI生成，仅供参考）