Agent Harness Distillation：黑盒提取智能体编排逻辑

当天发生了什么

2026-07-30 12:54（UTC），论文《Agent Harness Distillation: Inference-Time Harness Extraction and Exploitation in Autonomous Multi-Agent Systems》v1 提交到 arXiv。作者认为，基于 LLM 的自主多智能体系统中，用于引导推理与行动的推理期编排结构（harness）开发成本高，属于有价值的知识产权。他们提出 AHD，只通过黑盒交互提取目标系统的 harness：先根据目标的响应推断其行为、构建初始 harness，再迭代修正以匹配目标的行为模式。作者把 harness 提取形式化为安全问题并建立评估框架，称在多种基座模型的真实系统上验证了有效性，并提出一种基于欺骗的防御。摘要没有给出具体数值。

对 AI 产品威胁模型的意义

这篇论文把「克隆」的讨论从代码层面推进到行为层面。很多团队的直觉是：把核心逻辑放在服务端、不在客户端分发代码，就不会被复制。对传统业务逻辑来说这仍然是正确的方向，但对 AI 智能体产品，价值往往体现在编排方式、工具调用顺序和提示策略中，而这些会通过输出行为部分暴露。服务端部署可以阻止直接获取代码，却无法阻止外部通过大量交互归纳行为。需要注意，摘要没有提供提取精度或成本的数据，不应据此夸大风险；它提示的是需要把交互层面的滥用纳入威胁模型。

可以做的检查

第一，明确产品中哪些价值来自编排与提示策略，评估其中多少可以从公开输出中推断。第二，对接口设置按账号和按来源的速率限制与配额，监测系统性探测式请求，例如大量结构相似、覆盖边界条件的查询。第三，避免在输出中直接回显内部计划、工具名称或中间推理，并在服务条款中明确禁止自动化提取；论文提出的欺骗式防御可作为研究方向关注，但在生产使用前需要自行评估。

行动清单

• 梳理哪些价值来自编排与提示策略
• 为接口设置速率限制并监测系统性探测
• 避免在输出中回显内部计划与工具信息