跨 harness 对比：与模型的协同设计
总览：这个维度的设计谱系
“与模型的协同设计”是这批 harness 里分化最剧烈的维度，因为它牵涉一个根本性的身份问题——harness 和它跑的模型是不是同一批人做的。据此先划一条主轴：
- 模型无关（model-agnostic）阵营：绝大多数 harness 属于此类，把模型当作可替换后端，通过一层 provider 抽象接入多家 API。它们的”协同设计”全部发生在推理时（prompt / 工具面 / 线协议 / 路由 / 能力探测），不触及模型权重。这一阵营内部再按抽象策略细分：走 litellm 类最小公分母垫片（SWE-agent、smolagents、Agent Zero、MetaGPT）、对每家厂商写原生 SDK 客户端（CrewAI、Hermes Agent、Trae Agent、Agno、CAMEL），或引一层能力画像/profile 做条件分支（Pydantic AI、AutoGen、deepagents）。
- 单实验室共设（co-designed）阵营：harness 与模型出自同一家，可以做到训练时双向协同——模型为 harness 的工具面/交互模式专门训练，harness 反过来把模型能力当作既定前提来简化自己。代表是 Claude Code+Claude、Codex CLI+gpt-5-codex、Cursor Composer、Devin+SWE-1.5/1.6、UI-TARS Desktop+UI-TARS VLM、Browser Use+bu-2-0、v0 composite family、Zed Zeta、OpenHands 的离线 critic、Hermes Agent（Nous 同时训模型和 harness）。
在这条主轴之上，协同设计按耦合深度从浅到深叠成几层，一个 harness 往往同时占据多层：
- 路由 / 角色分级层（最浅，但最普及）：多模型选型、按子任务/角色派不同模型、会话中途升降级、reasoning-effort 旋钮。几乎人人都有。
- Prompt 家族分化层：为不同模型家族维护独立系统提示文件/片段（opencode 按 vendor 分派、Codex 逐模型
.md、MiMo Code 9 变体、Kilo Code 9+ 套、OpenHandsModelSpecificSection、AiderModelSettings）。 - 工具面适配层：按模型身份换给它不同的工具（GPT 系换
apply_patch、其余用edit/write），见 Cline、opencode、MiMo Code、Factory、Continue、Kilo Code。 - Wire-protocol / schema 层（最深的推理时协同）：按 provider 差异化请求 payload 形状、schema 消毒、线协议选择（Cline
glm-thinking、Hermesgemini_schema消毒、CopilotwireApi、Open Interpreter 三种 wire）。 - 弱模型补偿层（旁支但独特）：为 tool-calling 能力弱的开源模型补足结构化能力（Goose toolshim 二级模型最典型）。
- GUI / computer-use 动作空间协同（新流派）：把模型输出的动作 DSL / 索引化元素接口当作与 VLM 联合演进的契约（UI-TARS Desktop、Browser Use）。
- 训练层（最深，仅共设阵营可及）：模型为 harness 训练、或 harness 用自身轨迹训练辅助小模型、或直接把训练/推理栈（chat template + logprob）打通做 RL。
两个横贯全谱系的收敛信号：其一，几乎所有活跃 harness 都把 reasoning-effort / thinking-budget 当成一等旋钮暴露（Codex、Claude Code、Junie、Kiro、Amp、Factory、Augment、Copilot、OpenAI Agents SDK、DeerFlow……），而不是把它埋在通用 temperature 里；其二，一批 harness 都在建模型能力画像表 / capability flags（AutoGen ModelInfo、Pydantic AI profiles、Kimi Code ModelCapability、AgentScope context_size、DeerFlow supports_vision/thinking）当作分支依据。这是 2025–2026 推理模型普及后，harness 层达成的两个事实标准。
对比表
| Harness | 模型绑定关系 | 主要协同层次 | 代表性机制 / 证据 |
|---|---|---|---|
| Claude Code | 单实验室共设 | 训练 + prompt + 缓存 | fallbackModel 同轮自动切换；降级时剥离逐模型加密的 thinking 签名；task_budget 服务端预算需客户端在压缩后补记；围绕 Anthropic prompt-cache 计费/延迟深度工程化 |
| Codex CLI | 单实验室共设 | prompt 家族 + 工具面 | 逐模型 .md 系统提示，-codex 变体明显更精简（行为内化进权重）；apply_patch 为 freeform 非 JSON 工具，配 .lark 语法解析；reasoning-effort 一等公民 |
| Cursor | 单实验室共设 | 训练（双向闭环） | Composer MoE 专门针对 harness 工具面 RL 训练；数十万沙箱 RL 环境；为”让模型感知沙箱”改 Shell 工具描述并用 Cursor Bench A/B；Instant Grep 要匹配模型高 tok/s 吞吐 |
| Devin | 单实验室共设 | 训练（需求反哺后训练） | SWE-1.5/1.6 按 harness 委派模式训练；“知道何时上报/问什么是 training problem，未来模型会带着这种来回训练”；capability router 而非 difficulty escalator |
| UI-TARS Desktop | 强绑定自家 VLM 家族 | 训练 + 动作 DSL | prompt/解析器逐 UI-TARS 版本定制（坐标格式随模型代际变）；Thought/Action 动作 DSL 而非 JSON tool-call；finished()/call_user()/wait() 内置动作即 loop 控制信号 |
| Browser Use | 通用优先 + 自研微调模型 | 训练 + DOM 接口协同 | ChatBrowserUse（默认 bu-2-0，走 cloud API）+ 专用简化 prompt + request_type(agent/judge)；DOM 序列化成带 [index] 的 XML，模型用 index 而非坐标操作，降低 vision 精度依赖 |
| v0 | 前沿模型可替换 + 自研辅助模型 | 训练（组合式） | Composite family：前沿模型设计为可替换组件；自研 vercel-autofixer-01（与 Fireworks RFT）负责纠错；base 模型换代其余栈不动；内部无错误率评测大幅超其自身 base 模型 |
| Zed | 通用 agent 模型无关 + 自研小模型 | 训练（编辑预测） | Zeta = Qwen2.5-Coder-7B 微调，权重 + 数据集开源；ZetaFormat 带版本号/日期的 prompt 格式史，含逐基座模型的 FIM 变体（Seed-Coder / Qwen multi-region） |
| OpenHands | 模型无关 + 自研 critic | prompt 家族 + 训练（离线 critic） | ModelSpecificSection 逐家族提示（Claude vs Gemini vs gpt-5 逐变体）；openhands-critic-4b-v1.0 用生产轨迹离线训练（开放权重 + arXiv）；ACPAgent 允许 Claude Code 的原生 harness 与自身通用路径并存 |
| Hermes Agent | 由模型训练团队自建 | 原生 SDK + schema 消毒 | Nous 同时训 Hermes/Nomos/Psyche 与本 harness；3 种 API 模式各有 adapter；gemini_schema.py 白名单消毒工具 schema；逐模型操作指引块（GOOGLE_MODEL_OPERATIONAL_GUIDANCE 等） |
| Goose | 模型无关 | 弱模型补偿（独有） | toolshim：为弱 tool-calling 模型（Gemma3/DeepSeek-R1/Phi-4/Llama4）挂本地二级解释器模型（默认 mistral-nemo）重解析自由文本为工具调用；toolshim 微调用历史轨迹；ACP-as-provider |
| Aider | 模型无关 | prompt/格式家族分化（最早） | ModelSettings 80+ 模型；udiff 专抗 GPT-4-Turbo 偷懒、diff-fenced 专抗 Gemini 围栏；Architect+Editor 双模型拆分（实证 SOTA） |
| Cline | 模型无关 | wire 协议 + 工具面 | glm-thinking.ts 按传输路径整形 thinking/reasoning payload；model-tool-routing.ts 按 model-ID 换 apply_patch vs editor；协同同时发生在 wire 层与工具层 |
| Roo Code | 模型无关 | 仅原生 FC + provider 特化 | 系统提示排除文本工具目录（toolsCatalog=""），全走原生 function-calling；Anthropic 深度特化（prompt caching、伪模型 ID :thinking 映射真 ID + beta 开关）；跨 provider 推理内容往返持久化 |
| opencode | 模型无关 | prompt 家族 + 工具面 | provider() 按 vendor 分派系统提示（Anthropic/gpt/o-series”beast”/Codex/Gemini/Kimi/Trinity）；usePatch 给部分 GPT 换 apply_patch；LLM protocol adapter 分离 provider 语义 vs 中立采样参数 |
| MiMo Code | 多 provider + 自家一等 provider | prompt/超时/token/工具面 | provider() 硬编码 9 变体系统提示；MiMo 专属超时 DEFAULT_CHUNK_TIMEOUT=480s（注释调优给 mimo-v2.5-pro 冷路径 TTFT）、MIMO_OUTPUT_TOKEN_MAX、网关错误解析；GPT 系换 apply_patch |
| Kilo Code | 多 provider + 自家 Gateway | prompt/工具面/wire | 每模型独立 system prompt（9+）；transform.ts 1088 行重度 per-provider 适配（reasoning/caching/modality）；edit vs apply_patch 按 family；Kilo Gateway 第一方路由 500+ 模型 |
| Factory | 多 provider + 自营开源托管 | 路由（中途升级）+ 工具 shim | Factory Router 逐会话选型 + 会话中途升级；披露 Pareto 前沿方法论与拐点；OpenAI 模型自动加 ApplyPatch shim；Droid Shield 选 Qwen 3.6 35B A3B 有成本理据 |
| Amp | 模型无关 + “不为模型兜底”哲学 | 路由（模型替换即策略） | 模式绑定具体模型并随新模型持续重分配（deep/smart/rush/Oracle 各独立追踪）；read_thread subagent 换 GLM 5.2 因长上下文忠实性更好；因模型进步而下线 Handoff/IDE 脚手架 |
| Junie | 模型无关（营销卖点） | 路由 + 双模型架构 | alias→model 映射表（sonnet/opus/gpt/gemini/grok）；主模型 + 自动选的同家族 fasterModel（摘要/分类/记忆抽取）；/effort 六档 minimal→max |
| Kiro | 模型无关（Bedrock 接入） | 路由 + 模型感知 prompt | Auto 路由器；五档 reasoning；文档内嵌逐模型行为指导（Opus 4.8 主动标不确定性）；CORAL 工具描述专门抵消 LLM 训练先验（glob/cd && 误用） |
| Augment | 模型无关（Context Engine 卖点） | 路由（缓存经济学） | 按角色分级（context-gathering 用 gemini-flash-lite、validate 用 sonnet）；Prism 轻量规划器做分回合路由，“仅当收益 > ~10x 缓存驱逐成本才切” |
| Copilot | 模型无关（明确表态） | wire 协议选择 | wireApi: completions|responses，Anthropic 固定走 Messages API（讲三种线协议）；eval-harness 博客把 Claude Code/Codex CLI 点名为竞品基线；reasoning-effort 固定 medium 做归一 |
| Amazon Q | 服务端驱动（模型不透明） | 路由（服务端选型） | 后端私有 RTS，紧贴 Bedrock Converse 协议；ModelInfo::from_api_model() 从后端列表取模型，/model 切换；/dev textcode 刻意放弃截图、采用全文本”面向 LLM 的 IDE” |
| Comate | 自研 ERNIE + 第三方调优 | 路由（网关代理） | 自研文心代码大模型；Auto/Max 模式在 ERNIE 与 DeepSeek/GLM/Kimi 间路由（声明”适配与效果调优”）；所有模型经千帆平台网关代理 |
| Qoder | 多模型 + BYOK | 路由（按 purpose 回调） | ModelPolicyProvider 按 context.purpose(main/subagent/compact/WebFetch) 路由，返回档位或 BYOK 凭据；无自动 fallback（回调抛错则整次失败）；per-request reasoningEffort |
| Kimi Code | 多 provider + 默认 Kimi | 能力画像 + wire | kosong 目录 KNOWN_WIRE_TYPES（anthropic/openai/kimi/google-genai/…）；ModelCapability 标志（含 select_tools 驱动渐进式工具披露）；Kimi 特有视频上传能力 |
| CodeGeeX | 强绑定 GLM 分词器家族 | 特殊 token + FIM | 围绕 <|system|>/<|user|>/<|assistant|> 及 GLM stop-token IDs(151329,151336,151338) 构建；FIM/Infilling 一等文档化特性；128K 长上下文为全仓 RAG 显式设计 |
| AutoClaw | 捆绑自家 GLM + 版本锁步 | 产品集成（能力替代工程） | 默认捆绑 GLM，v1.9.0 升级默认模型到 GLM-5.2（宣称 1M 上下文），把”模型能力替代工程化上下文管理”作为定位；无训练层协同披露 |
| SWE-agent | 模型无关（litellm） | 缓存 + parser 兜底 | CacheControlHistoryProcessor 默认给 Anthropic；Claude 3.7/Sonnet-4 的 128k 输出 beta 门控；多种 parser（xml/json/code-block）适配弱 FC 模型；convert_system_to_user 给 o1 |
| smolagents | 模型无关 | 动作表达 + 能力感知 prompt | code-blob（CodeAgent）vs JSON tool-call（ToolCallingAgent）两种动作范式，引 3 篇论文佐证代码即动作；use_structured_outputs_internally；工具 docstring 措辞按小模型（Mistral Small/Gemma 3）调优 |
| CrewAI | 模型无关（原生 SDK） | 原生客户端 + 缓存 | 每家原生 SDK 而非 litellm 垫片；supports_function_calling/stop_words/multimodal 能力探测选 ReAct vs 原生；客户端侧 stop-word 模拟；规划 LLM 默认 gpt-4o-mini 与执行 LLM 解耦 |
| Pydantic AI | 模型无关（profile 画像） | 能力画像 + typed 工具 | 三层 models/providers/profiles，能力检测用 profile 布尔 flag 而非 isinstance；_narrow_tool_call_parts 把裸 ToolCallPart 提升为 typed 子类；unless_native/with_native 本地↔原生自动切换；降级翻译 history |
| AutoGen | 模型无关（能力契约） | 能力画像分支 | ModelInfo TypedDict（vision/function_calling/json_output/structured_output/family）；MagenticOne 按 structured_output vs json_output vs 无三分支兜底；名义无关实为 GPT-4o 级调优 |
| Semantic Kernel | 模型无关（薄透传） | 原生 FC 透传 | 深依赖各家原生 function-calling，SUPPORTS_FUNCTION_CALLING 标志决定循环启用；FunctionChoiceType 映射各家 tool_choice；MCP sampling 让工具借宿主 LLM |
| Agno | 模型无关（30+ adapter） | 能力探测 + 多模型分工 | Model.get_instructions_for_model 让模型反向注入自需指令；reasoning 区分原生 vs 独立 reasoning_model 步骤；compression/output/parser 各可用不同模型；call_model_with_fallback |
| CAMEL | 模型无关 + 训练侧配套 | 抽象 + datagen | BaseModelBackend + ModelFactory；ModelManager 多模型负载均衡/fallback；非严格 structured-output 走 prompt+正则；RL/datagen 侧（环境+verifier+reward model）为训练自家模型服务 |
| Letta | 模型无关 + RL 栈打通 | 训练/推理协同 | SGLangNativeAdapter 直接用 chat template 拿 token ids + per-token logprob 做多轮 RL；含 GLM4.7 tool-call 解析；V3 “No inner thoughts in kwargs” 对齐现代 native FC 模型 |
| Google ADK | 多 provider + Gemini 深协同 | 原生特性绑定 | Gemini context caching、thinking_config、native code execution、google_search grounding、Live 双向流、Interactions API 有状态多轮；GoogleLLMVariant 工具 schema 按 API 变体分叉；PlanReActPlanner 给无原生 thinking 的模型 |
| OpenAI Agents SDK | 深绑 GPT-5 + Responses | reasoning 表 + Codex 耦合 | 默认 gpt-5.4-mini；按模型名自动选 reasoning-effort 表；reasoning item 跨轮携带 + reasoning_item_id_policy 绕不变量；Sandbox agent 内建 Codex CLI prompt |
| Agent Zero | 模型无关（LiteLLM） | 多角色 + Responses 状态 | chat/utility/embedding/browser 多角色分工，杂活走便宜 utility model；Responses API 专门状态管理（含 computer-use session）；JSON 工具协议靠 json_parse_dirty 不依赖原生 FC |
| GPT Pilot | 模型无关 + fast-apply 分工 | 逐 agent 路由 + Relace | AgentLLMConfig 细粒度 agent-key 映射模型/温度；Relace 专用 fast-apply 合并模型（不可用才回退整文件重写）；无 FC，靠 JSON-schema-in-prompt + 稳健重试 |
| GPT Researcher | 模型无关（三档角色） | 角色分工 + prompt 族 | FAST(gpt-4o-mini)/SMART(gpt-4.1)/STRATEGIC(o4-mini) 三档；deep research 用 ReasoningEfforts.High；GranitePromptFamily 为 IBM Granite 改文档拼接；多处 json_repair 兜底 |
| Plandex | 模型无关（9 角色 model pack） | 角色分工 + 能力下调 | 9 角色异构 model pack（planner/coder/architect/builder/summarizer/…）逐步派发；GetRoleForInputTokens 大请求换大上下文变体；不支持则剥 cache-control/image；推理模型出松散块、廉价 builder 转精确 diff |
| DeerFlow | 模型无关 + 定制 provider | 定制 provider + 能力位 | claude_provider(OAuth/caching/thinking budget)、mindie_provider(昇腾)、patched 版修各家怪癖；supports_vision/thinking 决定装 view_image/降级；含小米 patched_mimo |
| deepagents | 模型无关（HarnessProfile） | profile 逐模型调优 | HarnessProfile 为 Opus/Sonnet/Haiku/Codex 设专属 profile（覆盖 prompt/工具描述/排除工具/中间件）；build_model_identity_section 把模型名/上下文/不支持模态写回提示；缓存中间件无条件分层叠加 |
| QwenPaw | 声称自家 Flash 模型（未验证） | 能力学习 + 静态路由 | 建于 AgentScope ChatModelBase 之上；model_capability_cache 从真实 API 错误学 rejects_media 并后续剥离媒体；RoutingChatModel 当前为静态全局开关（内容感知路由接口留了但未实现） |
| AgentScope | 模型无关（QwenPaw 底座） | 统一契约 + formatter | ChatModelBase(含 context_size 喂压缩阈值) + 每家 FormatterBase 把统一 Msg/block 契约翻成各家 wire 格式，正是 QwenPaw 可换 provider 的原因；ModelConfig 带 fallback_model |
| Open Interpreter | 模型无关（harness 仿真） | 按模型选 harness | ”Automatic Harness Defaults”：Claude→claude-code、Kimi→kimi-cli、Qwen→qwen-code、DeepSeek→deepseek-tui；每套定制 prompt/schema/thinking；swe-agent 文本命令循环给弱 FC 模型；三种 wire |
| Qwen Code | 多 provider（含 DashScope） | 流式修复 + tagged thinking | streamingToolCallParser 手写增量 JSON 修复（覆盖 vLLM 承载的 Qwen 等不规整流）；taggedThinkingParser 解析 <think>；循环阈值 TOOL_CALL_LOOP_THRESHOLD=5 刻意低于 DashScope 服务端拒绝阈值 |
| Gemini CLI | 深绑 Gemini | 降级链 + 分类路由 | flash-lite→flash→pro 静默降级；gemmaClassifierStrategy 用本地 Gemma 替代云端分类；isModernModel 门控提示按模型代际条件化（snippets vs snippets.legacy） |
| LangGraph | 模型无关（框架） | 动态模型 callable | create_react_agent 的 model 可为 (state,runtime)->model 动态 callable，对话中途换模型；结构化输出作独立图节点；core 本身不含模型专属 prompt 分支（留给用户） |
| AutoGPT | 模型无关 + Copilot 耦合 Claude | provider 特化 + 双层 | Classic：use_prefill 对 Anthropic 禁用、GPT-5 空文本 tool_calls 兼容；Copilot 层直接建于 claude_agent_sdk（“CLI refuses non-Anthropic”），另有非 SDK baseline 支持其它模型 |
| MetaGPT | 模型无关（无训练协同） | JSON 修复兜底 | 纯多 provider；JSON_REPAIR_PROMPT 用额外一次 LLM 调用修复畸形 JSON 工具输出；RoleZero 路径靠自由文本 prompting + 正则约定而非原生 FC |
| Continue | 模型无关（plug in your model） | 能力探测 + 双通道 | isModelCapable 决定给 MultiEdit（强）还是 Edit（弱）+ toolOverrides；tool-call 优先原生、弱模型走 <tool> 文本；cache 感知读 cache_read/write_tokens |
| Claude Flow | 挂 Claude Code 生命周期 | hook 路由 + 可移植 | 经 Claude Code hooks 集成（UserPromptSubmit→Q-learning routing）；model alias 映当代 ID；agent_execute 按 env 回退 Anthropic→OpenRouter→Ollama |
| OpenManus | 模型无关（硬编码白名单） | 白名单能力探测 | REASONING_MODELS/MULTIMODAL_MODELS 硬编码白名单（明显偏老，gpt-4.1/claude-4/o3 未入会退化）；ask/ask_with_images/ask_tool 三调用面；无路由/多模型混用 |
| Trae Agent | 多 provider（含 Doubao） | 原生工具类型 + 特化 | Anthropic 编辑/bash 借用内置工具类型（text_editor_20250429/bash_20250124），其余回退通用 schema；OpenAI strict schema 写死进 Tool 基类；实证 Claude 3.7 最强遂定为固定基座；无 Doubao 专项微调证据 |
| Warp | 模型/harness 双无关 | 路由 + provider 怪癖 | Oz “一直是多模型的”；开源后加 Kimi/MiniMax/Qwen + “auto(open)” 路由；LONG_CONTEXT_WARNING_THRESHOLD=272000（GPT-5 长上下文计费）；CODEX_MODEL_MIGRATIONS_TARGET="gpt-5.4" 钉住 Codex 集成 |
| Replit Agent | 联合发布但技术细节薄 | 产品集成 | Agent v2 与 Claude 3.7 Sonnet 联合发布（无共设技术细节）；明确表态 decision-time guidance 是”针对当前一代模型弱点的补偿”，预期随模型进步而弱化 |
| Anthropic 多智能体 | 单实验室（围绕已知模型行为） | 能力依赖（非权重） | 实证 token 用量解释 80% 性能方差、升级模型 > 翻倍 token 预算，遂选异构分层(Opus lead + Sonnet subagent)；核心依赖 interleaved thinking；工具响应格式”要匹配训练数据分布” |
分组讨论
A. 单实验室共设：训练时双向协同（最深，最稀缺）
这是本维度的金字塔尖，只有同时掌握模型和 harness 的团队够得着。历史上最早把”harness 结构由模型行为迭代出来”讲清楚的是 Aider——它的 udiff 格式是为对抗 GPT-4-Turbo 偷懒、diff-fenced 是为迁就 Gemini 不守围栏而生，Architect+Editor 双模型拆分还拿基准分实证；但 Aider 本身并不训模型，属于”推理时被模型逼出来的结构”。
真正做到权重级双向闭环的代表是 Cursor：Composer 直接针对 Cursor Agent 自己的工具面做 RL，并且为”让模型感知沙箱”反过来改工具描述、用内部 Cursor Bench A/B——harness↔model 是双向的，不是单向”模型适配 harness”。Devin 把这条逻辑说得最直白：SWE-1.5”知道何时上报、问什么”的能力差距”是个 training problem，未来 SWE 模型会带着这种来回训练”，即 harness 的委派模式直接反哺模型后训练优先级。Claude Code 与 Claude 的协同则体现在把一堆服务端特性当既定前提消费：task_budget（服务端追踪的 agentic turn 预算）、逐模型加密的 thinking 签名（降级前必须剥离否则 400）、prompt-cache 计费/延迟模型——这些都不是通用 LLM API 能提供的。
新增的 19 个里，UI-TARS Desktop 和 Browser Use 把这条路径带进了 GUI/computer-use 领域（见 F 组），Zed Zeta（Qwen2.5-Coder-7B 微调、权重+数据集开源）、v0 的 composite family（自研 vercel-autofixer-01 纠错模型）、OpenHands 的 openhands-critic-4b（生产轨迹离线训练、开放权重+arXiv）代表一种更务实的变体：主推理模型保持可替换，只对一个窄任务小模型做训练协同。v0 甚至把”前沿模型可替换”写进设计目标（base 换代其余栈不动），这与 Cursor 的深度绑定形成有意思的对照——同为共设阵营，一个选深绑、一个选可插拔。Hermes Agent 则是”由模型训练团队（Nous）自建 harness”的样本，协同体现在围绕自家 Nous Portal 的限流/标签/schema 怪癖做适配。
B. Prompt 家族分化：最普及的推理时协同
“为不同模型家族写不同系统提示”几乎是所有认真的 coding harness 的标配。OpenHands 的 ModelSpecificSection 把逐家族甚至逐变体的微调写死进 SDK（Claude 要”快速失败别防御性编程”、Gemini 要”别过度主动”、gpt-5-codex 还补了一段它容易做错的 GitHub REST 片段）；opencode 按 vendor 分派 8 类基础提示，MiMo Code 和 Kilo Code（同源 opencode 血统）各有 9 变体。Codex 的逐模型 .md 里，-codex 后缀模型的提示明显更精简，反证这些模型把 agentic 行为内化进了权重。
这一层里值得单独点出的**模型感知（非专属）**做法是 Kiro：它的 CORAL 把工具描述专门调整来抵消 LLM 从训练数据学到的先验（*.py vs **/*.py 的 glob 误用、cd X && cmd 习惯），即”知道所有模型都会犯同一个训练先验错误，就在工具描述里预防”。新增里 GPT Researcher 的 GranitePromptFamily（为 IBM Granite 改文档拼接）是同类思路的小模型版本。
C. 工具面适配：edit vs apply_patch 的行业默契
一条跨 harness 高度收敛的具体做法：给 OpenAI/GPT 系模型换上 apply_patch（或 ApplyPatch）编辑工具，其余模型用通用 edit/write。这个 pattern 在 Cline（model-tool-routing.ts）、opencode（usePatch）、MiMo Code、Kilo Code、Factory（甚至 inherit 时防御性同时注册两个）、Continue（isModelCapable 选 MultiEdit vs Edit）里反复出现，源头是 OpenAI 自己在 Codex 里把 apply_patch 定为 freeform 非 JSON 工具并配 .lark 语法。可以说这是”模型原生编辑能力差异”倒逼出的一条事实标准。Trae Agent 是另一种表现：对接 Claude 时直接借用 Anthropic 内置的 text_editor_20250429/bash_20250124 工具类型，其余 provider 回退通用 schema。
D. Wire-protocol / schema 层：最深的推理时协同
不满足于换 prompt/工具，而是按 provider 差异化请求 payload 的形状。最典型是 Cline 的 glm-thinking.ts：同一个”扩展思考”开关，原生走 Z.AI 要 thinking:{type}、经 OpenAI 兼容端点要 reasoning:{enabled}，序列化随传输路径变。Hermes Agent 的 gemini_schema.py 把 OpenAI 风格工具 schema 按 Gemini 的 ~24 键白名单消毒后再发；Copilot 的 wireApi 让 harness 实际讲三种线协议（completions/responses/Anthropic Messages）。新增的 Open Interpreter 把这点做成了显式的三种 wire（Responses/Chat/Messages）+ chat-wire-compat crate，且与 harness 仿真的合法组合由 routing 严格约束。Pydantic AI 提供了这一层里最优雅的抽象：typed native tools 跨 provider 归一（_narrow_tool_call_parts 把裸 ToolCallPart 提升为 typed 子类）、unless_native/with_native 自动在本地实现与 provider 原生间切换、Model.prepare_messages 把 history 降级翻译成当前 provider 能上线的形状——把”wire 差异”收进类型系统而非散落 if。Google ADK 则是深绑单一家族的极致：Gemini 的 context caching / thinking_config / native code execution / grounding / Live 双向流 / Interactions API 全部当原生特性直接用，GoogleLLMVariant 连工具 schema 都按 Gemini API vs Vertex 分叉。
E. 弱模型补偿：让跑不动原生 FC 的模型也能当 agent
这一支专门服务开源/小模型。Goose 的 toolshim 是最激进也最独特的方案：对 tool-calling 能力弱的模型（点名 Gemma3/DeepSeek-R1/Phi-4/Llama4）完全绕过 provider 的 FC API，把工具塞进 prompt，再用一个本地二级解释器模型（默认 mistral-nemo）把自由文本重解析成正规工具调用，甚至计划用真实 Goose 轨迹微调专用 toolshim 模型——这是别家没有的”模型补偿模型”。更轻的版本是”文本命令循环 + 正则/JSON 修复”：smolagents 的 code-blob（引 3 篇论文论证代码即动作优于 JSON）、MetaGPT 的 JSON_REPAIR_PROMPT、GPT Pilot 的 JSON-schema-in-prompt + 重试、Agent Zero 的 json_parse_dirty、CAMEL/GPT Researcher 的正则+json_repair 兜底、Open Interpreter 的 swe-agent 文本命令循环，都是”假设模型输出不可靠 JSON”的现实主义设计。Qwen Code 的 streamingToolCallParser（手写增量 JSON 修复，覆盖 vLLM 承载的 Qwen 等不规整流）是同一现实的流式版本。站在这条谱系对立极点的是 Roo Code：它索性把文本工具目录从系统提示里删掉（toolsCatalog=""），硬性承诺只走原生 function-calling——赌的是”目标模型都够强”。
F. GUI / computer-use 动作空间：新流派的模型协同
新增的两个 GUI agent 把协同设计带到了动作空间层面。UI-TARS Desktop 强绑定 UI-TARS/Doubao-UI-TARS VLM 家族，prompt 与坐标解析器逐模型版本定制（ui-tars-1.0 用 <|box_start|>、doubao-1.5-20b 用 <point> 且多 press/release/navigate），模型直接输出 Thought/Action 动作 DSL 而非 JSON tool-call，finished()/call_user()/wait() 内置动作即 loop 状态机的控制信号——动作空间就是与 VLM 联合演进的契约。Browser Use 走的是互补路线：不训坐标而是把 DOM 序列化成带 [index] 的 XML，截图上叠 bounding box + index 标号，让模型用 index 而非坐标操作，大幅降低对 vision 精度的依赖（与 computer-use 纯坐标点击的关键分野），同时也有自研微调模型 ChatBrowserUse(bu-2-0) + 专用简化 prompt + request_type(agent/judge) 的服务端协同。这两条路线（训 VLM 吃坐标 vs 用索引接口绕开坐标）是 GUI agent 领域当前最实质的设计分歧。Agent Zero 也在 Responses API 里保留了 computer-use session 状态，但深度远不及前两者。
G. 路由 / 角色分级 / 能力画像：模型无关阵营的主战场
模型无关阵营把全部协同精力投在”选谁、给谁、怎么退”上。会话中途升降级是这一层的高级形态：Factory 的 Router 会在监测到任务卡住时把会话升到更强模型，还披露了 Pareto 前沿方法论与拐点选点；Claude Code 的 fallbackModel 在过载时同轮切换。按角色/子任务派不同模型几乎人人都做，但粒度差异很大：Plandex 的 9 角色异构 model pack（planner/coder/architect/builder/summarizer/…逐步派发、大请求换大上下文变体）是本组里最细的；GPT Researcher 的 FAST/SMART/STRATEGIC 三档、Augment 的 context-gathering 用 flash-lite/validate 用 sonnet、Junie 的主模型 + 同家族 fasterModel 双架构、Agent Zero/CrewAI 的 utility/planning 便宜模型分工，都是同一思路的不同粒度。Amp 把”模型替换即产品策略”做到极致：模式绑定具体模型并随新模型持续重分配，read_thread subagent 换 GLM 5.2 是因为它长上下文忠实性更好——按任务属性而非纯成本选型。Augment 的 Prism 是最深的路由披露：一个轻量规划器做分回合路由，且明确围绕 prompt-caching 经济学（“仅当收益 > ~10x 缓存驱逐成本才切”）。
能力画像表是这一阵营的另一收敛点：AutoGen 的 ModelInfo TypedDict、Pydantic AI 的 profiles、Kimi Code 的 ModelCapability、deepagents 的 HarnessProfile、DeerFlow 的 supports_vision/thinking 都把”模型能不能 X”做成结构化 flag 驱动分支。QwenPaw 的 model_capability_cache 更进一步——不是查表而是从真实 API 错误里学（学到 rejects_media 后续主动剥离媒体），是能力探测的运行时自适应变体；它建于 AgentScope 的 ChatModelBase + 每家 FormatterBase 之上，AgentScope 那套”一套 Msg 契约 × N 家 wire 格式”的解耦正是 QwenPaw 能换 provider 的底座。OpenManus 则是这一层的反面教材：硬编码的 REASONING_MODELS/MULTIMODAL_MODELS 白名单明显偏老（gpt-4.1/claude-4/o3 未入会退化），说明”手维护能力表”这条路的维护成本真实存在，也反衬 QwenPaw 运行时学习与 models.dev 目录集成（Kilo Code、Kimi Code 均用 models.dev）的价值。
H. 特定 token / 训练栈绑定：把耦合做到最底层
少数 harness 把协同做到分词器/训练栈层。CodeGeeX 围绕 GLM 分词器的特殊 token 和 stop-token IDs（151329,151336,151338）构建，FIM/Infilling 是一等文档化特性。Letta 的 SGLangNativeAdapter 是新增里最硬核的训练协同证据：直接用模型 chat template 拿 token ids + per-token logprob 做多轮 RL，含 GLM4.7 tool-call 解析，V3 类”No inner thoughts in kwargs”专为对齐现代 native FC 模型——训练与推理栈是同一套。CAMEL 的 datagen 侧（环境+verifier+reward model）同理是为训练自家模型服务的配套。
结尾：最值得借鉴的设计
1. 结构化能力画像 / profile 层（Pydantic AI 的做法最干净）。 与其在核心循环里散落 if model.startswith("claude")，不如像 Pydantic AI 那样把”provider 特有的 API 行为”放进 Provider.model_profile()、“模型内在特征”放进 profile 布尔 flag，再由 unless_native/with_native 和降级翻译统一消费。AutoGen 的 ModelInfo、deepagents 的 HarnessProfile 是同一思想的不同实现。理由：这是唯一能让”支持 N 家 provider × M 种能力”不退化成组合爆炸 if-else 的抽象，且新模型上线时改一处 profile 而非满仓库找分支；OpenManus 的过时硬编码白名单正是缺这层抽象的代价。更进一步，QwenPaw 的”从 API 错误运行时学习能力”值得叠加进来，能自愈手维护表的滞后。
2. reasoning-effort 作为跨 provider 的一等旋钮。 从 Codex/Claude Code 到 Junie/Kiro/Amp/OpenAI Agents SDK，把推理强度从通用 temperature 里拎出来、映射到各家 thinking-budget/reasoning-effort 参数、并暴露为用户/subagent 可调的档位，已是 2025–2026 的事实标准。理由：推理模型时代成本-质量的主杠杆已从”选哪个模型”部分转移到”给多大思考预算”，把它做成显式一等旋钮（而非藏在采样参数里）让 harness 能按子任务精细控成本，也让跨 harness 基准对比可以把它固定做归一（Copilot 的 eval 方法论已经这么做）。这两个设计的共性是——它们都承认”模型无关”是个需要主动工程化的目标，而非默认状态。