随着 Code Agent 开始承担越来越复杂、越来越长程的软件开发任务，仅靠 Harness 提供上下文、工具和执行环境，已经难以保证 Agent 持续稳定地产出结果。如何让 Agent 不仅“完成任务”，还能判断结果、发现问题、自动修正，并通过持续迭代不断提升效果，成为 Agent 工程化落地的新挑战。

本次分享将以网易智企 CodeWave SDD 的实践为例，介绍如何从 Harness 进一步走向 Loop，围绕 Benchmark 评测体系建设、小成本开发试错、自动化智能化迭代、现场可观测 等方面，分享 Agent Loop 的工程实践，包括如何构建评估体系、自动执行与修正任务，以及如何通过可观测和反馈持续优化。同时结合实践中的成本、效果与适用范围，分享 Loop 工程落地过程中的取舍与经验。

演讲大纲

1. 从 Harness 到 Loop：Agent 工程实践的演进

• 从 Vibe Coding 到 SDD：开发流程的变化
• Harness 在实际应用中的问题与人工介入
• 执行、验证、修正的 Loop 设计

2. CodeWave SDD 的 Harness 实践

• 需求拆解与 Spec 驱动开发
• 上下文、工具与执行环境设计
• 大规模 SDD 任务的执行与优化

3. Benchmark 与评估体系建设

• Code Agent Benchmark 的数据集构建与管理
• LLM-as-Judge、Rule-based、SWE Style、Hybrid 等评估方式
• 测试结果量化与问题定位

4. 自动执行、问题修正与 Agent 迭代

• 自动化任务执行与测试评估
• 基于评测结果的问题分析与 Auto Correction
• 执行—评估—修正—重跑的闭环
• 分数驱动的 Agent 策略迭代与成本控制

5. 可观测与持续优化

• Agent 执行过程的监控与告警
• 执行链路追溯与结果回放
• 线上问题反馈与迭代优化

6. 实践总结：Loop 工程的落地取舍

• Loop 工程的适用场景与前置条件
• Benchmark 规模、评估质量与自动化程度的平衡
• 自动化收益与 Token、算力等成本的权衡
• 从 Harness 到 Loop 的实践路径与经验

实践痛点

• 合理评估 ROI，选择合适的范围进行实施
• Benchmark 需要有一定的规模化样本

前沿亮点

• 控制论角度的 Loop 工程方法：区别于把 Loop 讲成“定时触发、worktrees、连接器”等工具组合的解读，本议题给出“环工程的核心思想 + 环分析法 + 多视角诊断”的可复用框架，并用它驱动分析全部实践内容
• 面向复杂 Agent 的分层 Benchmark 与混合评估体系：覆盖全流程阶段的测试集，结合 LLM-as-Judge(Rubric)、SWE Style、Rule-based、Hybrid 等多种评估策略，构建完善的测评体系
• 分数驱动的 Agent 自我迭代机制：把“自动化执行 + 自动化测评 + 智能化修复”组成闭环，让 Agent 在受控边界内做低成本自我迭代
• 长程任务的稳定性提升与 Harness Loop 工程实践经验

听众收益

• 一套判断闭环是否真正成型的检查方法
• Agent 自我迭代的落地条件与边界
• 可借鉴的评估与度量体系设计经验
• 从 Harness 走向 Loop 的实施路径和经验