實現多日自主軟體開發：Harness-of-Harness 框架透過持續改進顯著提升 LLM 代理人效能

本研究推出 HoH 框架，透過迭代式的規劃、撰寫與測試循環，使 AI 開發代理人能在無需人工干預下，持續優化並自主完成具備完整功能與視覺效果的複雜軟體系統。

Problem

目前的 LLM 程式開發代理人（Coding Agents）在處理長期、多階段的軟體開發任務時，難以維持穩定的進度，且往往缺乏將高層級需求轉化為功能完整、可直接使用軟體系統的持續改進能力。

提出 Harness-of-Harness (HoH) 框架，將現有代理人的執行流程組織成迭代式的「規劃-編碼-測試」循環。該框架透過平衡修復與功能增長、實施增量開發、區分實作測試與獨立評估，並導入版本管理與角色專用工具，促使代理人重用既有程式碼而非盲目重構。

在多個基準測試中，HoH 結合 GPT-5.5 等模型均優於獨立框架，平均效能提升達 52.25%。此外，在超過 70 次的自動化迭代實驗中，HoH 成功開發出一款具備完整敘事、核心機制、視覺美化與音效整合的 3D 第一人稱射擊遊戲。

這項研究證實了自主開發系統具備處理複雜、多日工程專案的潛力，透過結構化的改進機制與約束驗證，能顯著提升 AI 解決現實軟體工程問題的實用性，為全自動化軟體開發邁出重要一步。