「AI coding 的自动优化任务」实现任务优化目录「AI coding 的自动优化任务」实现任务优化第一原则：分离"可调工件"与"代码逻辑"（separation of tunables）三种着力点 → 三种主流做法把三者串起来：eval-driven 优化闭环（这才是"工业级"的本体）给你的落地结论（一句话映射）一、你的 harness / meta-harness 到底怎么跑的内层 = 评测 harness（"跑一遍 + 打分"，即 reward function）外层 = 优化 meta 循环（用 reward 去改"agent"本身）二、加单元测试（当前只有集成自检，缺细粒度）三、可直接复用的前端 / 平台，哪些贴合你的场景四、前端「框」（三栏面板 / 输入框）现存问题与修法第一原则：分离"可调工件"与"代码逻辑"（separation of tunables）脚本里其实混了三种东西，工业界会把它们拆开、分别对待：脚本里的东西例子（你的项目）该不该让优化器碰提示词 / 少样本llm_sections.py的generate_root_cause_batch/generate_voice_batch提示词、domain_knowledge.py知识库✅ 抽成工件后自动优化参数 / 配置TOP30/TOP20、模型/温度、切分阈值✅ 配置化后做搜索代码逻辑html_report.py表格渲染、run_report.py排序/切分⚠️ 走 coding-agent → PR → CI → 人审，不自动乱改