本文研究窗口為 2026-08-17 至 2026-08-23（Asia/Taipei）。W34 的共同結論是：harness 已從「模型外面的膠水」升級為能力、訓練、記憶與安全的共同邊界。
本週三篇深度文章
三條線如何匯合
OpenAI 的訓練減速與 NVIDIA 的安全分層顯示，高能力模型需要下沉到 runtime 的控制；AVO 與 ClawGym II 顯示 harness 本身能放大並訓練能力；Anything2Skill、Headroom 與 OpenBot 則把程序記憶、context 壓縮與隔離電腦變成獨立元件。
因此，團隊採購或自建 Agent 時，不該只列模型名稱。最低限度的版本清單應包含 model、harness、tool contract、context policy、skill registry、runtime permission、trace schema、evaluation set 與 budget。任一項改變，都可能同時改變能力與風險。
Watchlist
- frontier training 是否形成可審計的 pause／resume 標準。
- black-box harness RL 能否跨 harness 與未見任務轉移。
- context compression 是否能在不丟失 plan、error 與安全證據下省成本。
- plugin、skill 與電腦隔離是否收斂成互通的 identity／policy／audit layer。
