コーディングエージェント(例: Codex)に手を加えず、「計画→実装→テスト」のループを回す仕組みを足すだけで、ソフトウェア開発の性能が3ベンチマーク平均で52.25%相対改善したと報告されています。 Shanghai Artificial Intelligence Laboratory の研究チームによる報告です。 エージェントにソフトウェアを作らせると、途中で初期の要件を忘れたり、局所的なバグ修正の繰り返しで全体が進まなくなったりする問題があります。 研究チームは、ハーネスの上にもう一段のハーネス（Harness-of-Harness, HoH）を置き、この問題に対処しました。 具体的な仕組みは以下です。 ・役割の分離：プランナーが次に作る機能を決め、デベロッパーが実装し、QAテスターが独立に検証します。 ・状態の引き継ぎ：コードだけでなく「何が動いて何が壊れているか」の記録もループ間で持ち越し、次の計画に反映します。 ・スコープ制限：1ループで扱う範囲を、動作を確認できる1単位に絞ります。 結果として、GameCraft-BenchではCodex CLI + GPT-5.5のスコアが49.58→71.52、OpenCode + DeepSeek-V4-Proでは26.90→48.98に向上しました。コスト面では、素のエージェントを3回走らせる（58.24点・6.33Mトークン）よりHoHを2ループ回す（64.84点・5.67Mトークン）ほうが高スコアかつ低コストでした。 モデル本体ではなく、その外側の運用ループの設計が長期開発の成果を左右する可能性が示唆されています。