Agent决策能复用

Agent harness 在工具反馈后经常再次调用模型，哪怕上一次调用已经决定了下一步做什么。

清华与微软亚研的 HarnessMM 把这些已解决的决策存进可执行决策图，工具反馈满足守卫条件时直接复用，不再回调模型。

DeepSeek Harness 在 98 个 HumanEval 任务上成功率从 71.43% 升到 85.71%，每任务 token 从 96280 降到 11620，省 87.93%。

Codex 在保持 90.82% 成功率的同时 token 减少 29.54%；MBPP 消融测试显示成本降 19.52%。

DeepSeek Harness 在 HumanEval 上的付费模型调用次数从 954 次降到 415 次——这给银行一个理由：在花大价钱升级模型之前，先数数有多少重复决策。

一、它解决什么问题

1. 典型浪费：Agent 调用工具拿到结果后，harness 把结果塞回上下文，再让模型读一遍、决定下一步。但很多时候，模型在调用工具之前就已经决定了"如果工具返回 X，我就做 Y"。
2. HarnessMM 的做法：把这种"如果…就…"的决策连同具体动作、字面参数、因果依赖和公开守卫条件，存成可执行决策图。
3. 守卫式复用：当工具返回值满足图中守卫条件时，直接执行已存决策，不回调模型；新决策、不匹配的证据、或模型弃权时，才回到原模型。
4. 认证回调替换：被复用的决策通过原生接口执行，并记录"这次慢调用被移除了"。

二、数据有多硬

1. DeepSeek Harness：HumanEval 98 任务，成功率 71.43% → 85.71%，token 96280 → 11620（降 87.93%），模型调用 954 → 415 次。
2. Codex：成功率保持 90.82%，token 减 29.54%。
3. MBPP 消融：成本降 19.52%。
4. 成功率反而上升：复用决策不是"偷懒"，而是避免了模型在重复上下文里做出不一致的新决定。

三、对银行 Agent harness 的意义

1. 银行 Agent 大量重复决策：信贷尽调 Agent 每次都要"查征信→看流水→算负债比→写结论"，其中"征信逾期超过几次就拒绝"这种决策是固定的，没必要每次都让模型重新读一遍征信报告再决定。
2. 省钱是直接的：银行 Agent 如果跑在付费模型上，87% 的 token 节省意味着账单直接打一折。
3. 成功率不降反升：对银行来说，更重要的是稳定性——固定决策复用比模型每次"自由发挥"更一致。
4. 前提是 harness 工程成熟：HarnessMM 依赖 harness 能正确记录决策、守卫条件和执行路径。银行如果还没有标准化的 harness 层，先做 harness 工程本身。

四、三个冷静判断

1. 节省取决于缓存计费：论文自己指出，实际省多少取决于模型提供商的缓存计费方式。银行要算自己的账。
2. 不是所有决策都能复用：新场景、异常输入、模型弃权时，仍要回模型。决策图的编写、选择和故障恢复成本，可能超过省下的调用费。
3. 复用决策要有人审：存进决策图的"如果…就…"本质是业务规则。银行必须有人审这些规则对不对，不能让模型自己写了规则自己复用。

五、银行 Agent 哪些决策值得存

1. 固定业务规则类：征信逾期次数阈值、负债收入比红线、单笔金额审批层级——这些决策不随任务变化，应该直接写成可执行规则，根本不需要模型每次"决定"。
2. 高频工具调用模式：信贷尽调 Agent 每次都调征信接口、流水接口、工商接口，调用顺序和参数模式高度固定，这部分可以存进决策图。
3. 异常分支不缓存：遇到新的异常情况、模型不确定时，不要复用旧决策，回模型判断。HarnessMM 自己也说了，不匹配的证据要回原模型。
4. 决策图要版本管理：业务规则变了（比如逾期阈值从 3 次改 5 次），决策图要更新并通知所有在跑的 Agent。不能让旧规则在系统里残留。

六、和本站 Harness 系列文章的关系

1. 本站此前写过银行 Harness Engineering 安全耦合、LongHorizon-Harness 与 DeepSeek Harness 的对比、VERA 可验证训练场。HarnessMM 是这个方向的自然延续——不仅要管 Agent 跑，还要管 Agent 重复跑时别重复花钱。
2. 对银行来说，HarnessMM 的 87% token 节省不是理论数字。如果一个信贷尽调 Agent 每月跑一万次，每次省 8 万 token，按 API 价格算下来一年省的钱够雇两个工程师。
3. 但前提是 harness 工程成熟。如果银行连标准化的 Agent 运行时都没有，先做 harness，再谈决策复用。

七、银行落地的第一步

1. 不要一上来就做决策图。先统计你现有 Agent 任务中，有多少比例的工具调用是重复的、可预测的。如果不到 30%，说明决策复用的收益有限。
2. 从一个最成熟的 Agent 场景试点：比如客服自动工单分派，决策路径固定、工具调用重复度高。
3. 决策图的编写和维护要算进成本。作者自己警告，编写、选择和故障恢复的成本可能超过省下的调用费。银行要在试点中实测这个比例。

八、成本测算示例

1. 假设银行信贷尽调 Agent 每次任务调 50 次模型，每次平均 2000 token 输入、500 token 输出，月跑一万次。
2. 按 HarnessMM 的 87.93% token 节省，每次任务从 9.6 万 token 降到 1.16 万 token。
3. 按月一万次算，每月省 8400 万 token。按商用 API 价格，这是实打实的账单削减。
4. 这个数字还没算上成功率提升带来的人力复核减少。对银行来说，这是一笔同时省钱和提效的账。

结语

HarnessMM 告诉我们：在升级更大模型之前，先看看你的 Agent 有多少决策是重复的、可以缓存复用的。对银行来说，这既是一笔账单上的直接节省，也是稳定性的提升——固定的业务决策，本来就不该每次都让模型重新"想一遍"。

（口径说明：数据来自 Top AI Papers 综述；银行场景映射为作者分析。）