CapScope（arXiv:2609.08371）
源：coding agent 工具常带 ambient authority（能命名资源就能作用）；间接 prompt injection 把指令藏进仓库文件或工具输出。CapScope 在读不可信内容前，从可信输入推导 task-wide authority ceiling；给每个 agent 独立 typed capabilities，存在模型上下文之外；每次 tool call 按签发该调用的 agent校验。注入可诱使请求动作，但缺 capability 则拦截。Pi agent 修复工作流（5 任务 × 5 注入面 × 4 授权条件 × 3 次，300 runs）：ambient / global-policy 下注入效应 33–47/75，CapScope 3/75；修复完成率 68/75（基线 68–72/75）。对照 isolation triad：授权边界应落在 harness 层，而非指望模型「识别恶意文本」。
SkillAdam（arXiv:2609.08944）
源：skill 自演化常因启发式修订而不稳。SkillAdam 把 Adam 一/二阶矩迁移到离散 skill 文档：optimization memory 累积问题与既往解法（方向稳定）；volatility-driven edit budget 按近期 case 改善波动控制修订幅度（更新自适应）。七基准上更稳、更少迭代、更低成本。对照 Persistent Skills 的 revision churn 与 SkillGLoW：有记忆的优化器 比「每轮覆盖写」更接近可审计技能库。
Co-Evolving Harnesses and Models（arXiv:2609.09134）
源：先用弱模型演化 harness，强专家往往用得更好；但把专家完整轨迹在已演化 harness 下模仿到弱模型会回退（七企业任务上 Qwen3-Coder / Gemma 4 掉 4–30 点），同一流程在未演化 harness 下反而有用。分析：模仿提高 scaffold 使用，但破坏 model–harness fit——弱模型学会专家规划风格却执行不动。需要 on-policy correction 让弱模型在自身 harness 轨迹上追赶。对照 Multi-Harness RL 与 HarnessEvolve：演化顺序与训练信号必须匹配「谁的 harness」。
ExecCritic（arXiv:2609.09133）
源：执行反馈只有在测试抓住 issue 行为时才有用；同一轨迹既写 patch 又写测试会共谋造假自信。ExecCritic：Test agent 独立生成仓库原生测试 → fail-closed harness 资格审查并冻结 → Repair agent 只改源码不改测试；两角色分训（Learn to Test / Test to Improve）。SWE-bench Verified 上测试质量决定反馈是否帮得上。对照 HoH「实现时测试 ≠ 独立评估」与 evidence engineering：验证物必须与实现隔离。
Procedural Graphs（arXiv:2609.09153）
源：把程序性知识组织成 (procedure, relation, procedure) 图（对标知识图谱的 what-is）。每步定位活跃节点，guidance model 把邻域子图译成步骤级情境指引（偏置但不独裁）。图自演化：refiner 对比失败/成功轨迹改拓扑与属性，仅提交在 held-out 上不降的编辑。对照 TROVE 的结果条件转移图与 graph engineering：执行结构本身可成为可编辑 harness 组件。
Scanning the Harness（arXiv:2609.07360）
源：date-honest（09-07）。3171 公开仓（2660 多组件 setup + 511 skill 集合）。三类安全缺陷经独立复现 + 双模型裁决后仍成立：MCP 无版本钉扎 9.8%；scoped 外观下预批准任意执行（如 Bash(python:*)）3.1%；skill 预批准 shell 3.8%。合计 16.0% setup 有安全缺陷。无 lockfile、无装时检查、无能力词汇表。对照 CapScope：供应链缺陷说明「共享 harness 组件」默认 ambient；需要钉扎、能力声明与安装闸门。
RobustSGPO（arXiv:2609.09646）
源：09-09。SGPO 用执行反馈改 harness，但未规定编辑范围与操作。RobustSGPO：声明请求编辑 → 构造并检查 patch → 从 incumbent 或保留快照续搜。AgentX brainstorming（120 任务 / 95 runs / 7350 candidates）：周期 $1\to2\to3$ 权限调度优于固定最大权限；30 held-out 完成率 60%→80%，测试质量 3.77→4.14（2e7 token 预算）。类别保留减轻源任务退化。对照 HarnessEvolve 双门与 EvoHarnessBench forgetting：搜索空间控制与 retention 是同一枚硬币。
交叉读法（给 articles 就地折入用）
| 主题 | 落点建议 |
|---|---|
| capability 授权 / ambient authority | harness-engineering + isolation triad；harness-paradigm-and-governance |
| skill 优化记忆 / 编辑预算 | agent-skills-engineering |
| model–harness fit / on-policy | self-improvement-loops-and-agent-evolution |
| Test↔Repair 隔离 / fail-closed | evidence-engineering；eval-engineering |
| procedural graph 自演化 | graph-engineering |
| harness 供应链缺陷 | harness governance + agent-skills 装机闸门 |
| SGPO 搜索空间 / retention | harness-engineering Sensors + Harness-Delta |