---
title: "Agent决策能复用"
date: 2026-11-02
description: "清华与微软亚研提出HarnessMM：用可执行决策图存储Agent已解决的决策，工具反馈满足守卫条件时直接复用，不再回调模型。DeepSeek Harness在HumanEval上成功率从71.43%升到85.71%，每任务token从9.6万降到1.16万，省87.93%。本文分析它对银行Agent harness的成本与效率意义。"
tags: ["Agent","Harness","决策复用","成本优化","DeepSeek","银行智能体"]
schema_type: Article
references:
  - title: "HarnessMM (Tsinghua/MSR Asia, Top AI Papers Oct 26-Nov 1)"
    url: "https://www.youtube.com/watch?v=qsDX0PMKcaE"
    source: "Top AI Papers of the Week"
  - title: "本站：银行风险管理部门的 Harness Engineering 安全"
    url: "https://bi-chao.com/articles/harness-engineering-security-coupling-banking-risk"
    source: "bi-chao.com"
  - title: "本站：给 AI 装上涨跑的循环 LongHorizon-Harness"
    url: "https://bi-chao.com/articles/longhorizon-harness-vs-deepseek-harness.md"
    source: "bi-chao.com"
---

# 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。）