StateHarness — постоянное состояние проекта для долгоживущих coding-агентов
Саммари
StateHarness — training-free рантайм-фреймворк, который ведёт «эволюционирующее» состояние проекта для долгоживущих coding-агентов: текущую проблему и гипотезу, найденные связи кода, принятые решения и несделанную работу. Вместо того чтобы пересказывать всю историю диалога, рантайм поддерживает четыре постоянных записи, компактный working brief и отдельную диагностическую сессию, которая перечитывает архив, когда агент начинает буксовать. На трёх репозиторных бенчмарках при фиксированной модели Claude Sonnet 5 фреймворк поднимает полное прохождение цепочки рефакторинга с 29,4% до 35,3%, среднюю награду на LHTB с 0,427 до 0,576 и частоту починки багов с 35,1% до 39,5% — с измеримой, но умеренной ценой в токенах и времени.
Из этого следует, что «память агента» как сумма всего диалога — не единственный и не лучший формат: компактные структурированные записи плюс бриф дают выигрыш там, где длинная история наоборот мешает, а обновление брифа детерминировано и не требует ещё одного вызова модели.
На практике для Revit-инструментов и долгих BIM-задач: паттерн «связи артефактов записываются отдельно от решений и перечитываются перед завершением» прямым текстом закрывает проблему «агент поправил семейство и забыл про вызывающие чертежи» — change-impact retrieval и completion protocol переносятся один в один.
Важный нюанс: выигрыш сконцентрирован не в самой правке, а в согласованности окружения (cleanup +8,4 п.п. против +1,3 п.п.), — то есть главное свойство долгоживущего агента — не умнее писать код, а не терять последствия уже написанного.
Ограничение: рост P2P-регрессий 16→23 показывает, что накопление состояния увеличивает шанс тронуть то, что работало, — состояние нужно не только собирать, но и гасить; и весь эффект измерен на Claude Sonnet 5.