我做了一个很好玩的事情，让模型给自己迭代一个上下文管理的plugin插件，看能给swe-bench刷成什么样子？
结果还挺意外的：任务通过率从60%飙到80%。 最后最佳的方案，仅仅是一行不到50个字符的prompthooks注入，完整过程让我对“模型变，harness也要变”这句话认识更深刻了。
模型+Harness=Agent。
而Harness一般有4大职责： 上下文管理（构建，压缩模型看到的信息）、安全与信任（权限，沙箱等，确保操作安全）、执行与回复（工具调用、错误处理，重试）、持久化与进化（会话保存、跨会话学习等）。对于大多数的朋友来说，上下文管理应该是玩的最熟练的了。
有这个想法，是我看到MiniMax M3的官方博客有个case传播的很热： 12小时让M3复刻一篇顶会论文， 但是我对这种论文复现的难度感知不是特别强烈，而且博客里也没有细节。
所以，我选择用一个更熟悉的场景，来深度感受一下，最新国产大模型的长程工作能力。
做一个claude code上下文管理的插件，整个过程 ，M3自己写了插件、自己准备了评测环境，跑评测、自己分析了数据、自己迭代了 20 个方案变体、自己跑了25轮10-case 串联评测，最后自己写了一份完整的研究报告。
20 轮实验，每一轮都基于上一轮的数据调整方向，几乎完美复刻了官方博客的那种长程任务case。当然结果不重要，观察模型的所有过程反而更有意思。
准备工作与实验细节
开始有几个准备工作，介绍一下：
MiniMax M3这次使用了全新的MSA注意力机制，最长可以支持1M上下文，但是推理速度极快，比开源的 Flash-Sparse-Attention、FlashMoBA 快4倍以上。。
对于这种上下文1M的模型，在替换进claude code的时候，模型id需要加上[1M]，claude code才会识别成1M上下文。
可以通过 /context 来确认。
配置好claude code后，下一步就是实验case，我选的是swebench-lite，按照难度分层，选了10个任务。
考虑到M3已经不是常规的200k上下文了，为了极限的给模型压力。 我将这10个任务串在同一个session 中连续执行。Agent 做完第 1 个任务后，带着前面任务产生的上下文，继续执行第 2 个、第 3 个……直到完成全部任务。
这样应该会更难，因为 Agent 必须在上下文不断膨胀的条件下维持任务理解能力。
baseline版本，M3在这10个case上的通过率是60%，总的token消耗是641K。
为了更方便观察，模型的生成结果和代码，我在cursor里边配置M3模型，进行方案迭代。 昨天文章，有朋友评论留言问：怎么给cursor设置自己的模型。
在settings -> models，添加一个custom模型，配置MiniMax-M3，然后打开底下的override openai base url，把MiniMax的url替换进去，就可以直接用了。
如果喜欢codex、cowork这类产品的，还可以直接用MiniMax Code 来做驱动Agent，官方coding agent， 跟M3的契合度更高。 还内置了跟Claude Code刚发的Dynamic Workflows方向类似的能力，可以把复杂任务拆成多阶段并发执行，多个Agent协作推进。
M3的起步阶段很符合直觉
Coding Agent每次工具调用后，会有比较长的工具结果，模型只需要关键信息。 所以，第一版plugin，M3选择做了大段工具输出拦截，压缩成摘要，并追加到上下文里。
同时为了追踪整体的任务状态（原生claude code有一个后台ctx agent来干这个事情），M3还选择利用 Mermaid 来去追踪Agent的任务转移，方便全局观察和快速导航。
测试发现，Case通过率直接就可以提高到80%，但是token不减反增，涨了11.7%。
M3 在自己的报告里分析了原因：Claude Code 的 PostToolUse hook 架构上无法替换工具输出，只能在之后追加 systemMessage。
模型同时看到完整原文加上摘要。这不是压缩，是纯增量开销。
同时还发现了，Mermaid来做状态转移也有问题，结果很容易变成一张没信息量的转移图。 通过第一轮，M3总结出了核心教训：必须用数据说话，不能拍脑袋。压缩这个直觉是错的。
也不是100%的完美
上面的报告截图，看起来真的非常完美。 有清晰的判断逻辑，会根据数据去思考下一步的迭代，消融方案。 这个逻辑特别像官方的这个cuda算子优化case。
但其实也并不是100%的完美，也有我介入的时候。
模型一开始跑了最初几轮后，通过率在波动，时高时低。M3 自己认为是正常调参中的随机性。我觉得不对劲，去手动检查了一下.agent_memory目录。 是空的。。。
说明插件根本没在工作，原因是plugin里重复声明了hooks路径导致加载失败，脚本读的字段名跟实际传入的也对不上。
之前几轮所有插件效果，完全来自启动时注入的一句 system message，跟记忆压缩没有半毛钱关系。 这之后 M3 自己加了一条原则，Agent说做了不算，磁盘必须看到日志才行。
这是整个实验里唯一一次我直接干预方向。其余 20 轮迭代，包括方向调整、消融实验设计、最终方案突破，全是 M3 自己基于数据做的判断。
第19次迭代：一行代码
怎么做出来最优方案的呢？
因为在一些实验后， M3 自己设计了消融实验， 并行跑了 6 个方案变体，精确拆分每个组件的独立贡献。去掉 A 保留 B、去掉 B 保留 A、两个都去掉。
消融结果里有个发现：systemMessage 追加反而帮模型省了 token。短摘要让模型不需要重新 Read 整个文件来回忆内容。摘要的 token 成本 < 重复读取完整文件的 token 成本。
但 M3 遇到了一个两难：
路径 A：systemMessage 提供即时反馈，省 token 但通过率停在 70%。
路径 B：recall 注入历史摘要，通过率能到 80% 但 token 涨了 17%。
所有后续的很多轮，M3一直在尝试结合二条路径的优势，一点点的细粒度调优。
到第19轮，M3 在报告里写了一段话：
recall 一定要注入内容吗？如果只注入有记忆可用这个信息呢？
v19 的 recall 逻辑就一行：
ctx = f"Task #{n+1}. Memory: {mem_count} tool outputs saved."
告诉模型两件事：当前是第几个任务，有多少条记忆可用。不塞任何摘要进message，也不需要什么全局导航。
结果：通过率 80%，token 643K（基准 641K），额外开销 0.3%。
而之前达到同样 80% 通过率的 v9 方案，注入了500字符历史摘要，token 多了 17.6%。同样的通过率，v19 的代价几乎为零。
M3在报告里给出了解释：
记忆系统的价值不在于“主动塞多少信息给模型”，而在于“让模型知道有什么可用”。
Agent 不缺记忆，缺的是知道自己有记忆。
写在最后
模型变，Harness 也要变，这句话更像是说：模型每强一次，上一代的最优 Harness 方案可能就不再最优了。
就像前面MiniMax M3做的实验， v9 和 v19 的对比。v9 注入 500 字符历史摘要，通过率 80%，token 涨 17.6%。v19 只给一行提示，通过率一样 80%，token 几乎不变。
如果用一个更弱的模型，v9 可能是必须的, 模型自己记不住，你得把历史塞给它看。
但 M3 的理解力足够强，不需要看完整摘要，只需要知道“有东西可以回去翻”就够了。
更关键的是，整个实验只用到了M3的编码能力和1M长上下文，但它其实还有原生多模态的能力。 编码、长上下文、多模态，之前能同时做到的只有几个闭源旗舰，而M3是第一个集齐这三项的开源模型。
在实际的case中，如果把多模态的能力也考虑进整个harness中。 让Agent还可以看UI设计，看报错截图，那可能整体的设计又会完全不一样。
所以，Harness 不是一次性工程，它是一个跟着模型能力持续重标定的过程。
当然，更有意思的是。 M3自己完成了这个给自己调优Harness的任务，模型可以自己改进自己的 Harness。这是一个飞轮。
模型越强，越能理解Harness的设计空间 -> 自己找到更好的 Harness -> 更好的 Harness 又让它表现更强。
Agent 的上限，不只取决于模型本身的智能，也取决于模型改进自身工作环境的速度。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
