一句话定义：Harness-Policy Optimization（外壳-策略联合优化）是一种工程思路：不光源模型权重做训练，还要把智能体的“外壳”（harness，包括提示模板、工具集、重试与校验流程、上下文管理）也当成可调整、可评估、可自动迭代的策略的一部分，让两者用同一套反馈信号一起变得更好。
打个比方。把智能体完成一项任务比作演一场话剧：模型是演员，外壳是剧本结构、舞台调度、提词器和导演的检查清单。过去常见的做法是“换演员、改台词”——换更强的模型、把提示词改得更清楚。但这些调整很依赖个人经验，往往改完这一处，另一处又会出问题。联合优化的做法是：把整场戏的调度方案也写进“可修改清单”，每演一场就看反馈（任务是否成功、花多少钱、多慢），然后同时调整演员的表演和舞台调度。
具体怎么优化。先把外壳里能调的部分拆出来，例如：提示的结构、用哪几个工具以及工具描述怎么写、要不要“先自查再交付”、失败重试几次、历史对话保留多少、什么情况下换用更便宜的模型。然后在一个有标准答案的评测集上跑，按成功率、成本、延迟打分，再用超参搜索或“让模型自己改自己的外壳”这类办法迭代。关键在于：外壳的改动要像代码一样进入版本管理和回归测试，而不是靠某个人随手改一版。
它跟几个相邻概念的区别：
| 概念 | 调整对象 | 靠什么驱动 | 典型局限 |
|---|---|---|---|
| Prompt Engineering（提示词工程） | 几句提示文字 | 人的经验、反复试 | 局部、不可复用、难以量化 |
| AI 词典：Agent Harness">Agent Harness（智能体外壳） | 整个运行脚手架 | 工程设计 | 它是“被优化的对象”，不是方法 |
| 模型微调、RLHF | 模型权重 | 训练数据与奖励信号 | 外壳固定，流程缺陷改不掉 |
| 外壳-策略联合优化 | 权重与外壳 | 统一的评测反馈 | 需要可靠评测集，工程量不小 |
对从业者的意义：同一个模型，换一套外壳，效果差异常常大于换一个模型。所以与其反复纠结“用哪个模型”，不如先搭一个能自动跑分的外壳评测回路。对普通职场人：与其在提示词里不断补充要求，不如先想清楚任务分几步、哪一步该有校验、失败了怎么重来——这些“流程设计”才是真正能稳定提升结果的部分。
需要说明的是，这是一个正在形成的工程提法，不同团队的具体做法差别很大，涉及具体工具与产品的细节，以官方页面为准。