框架之争被当成能力之争，但一项对照研究给出了相反的答案：换壳几乎不改变结果，只改变账单。
发生了什么
The Decoder 报道了一项针对编码智能体（coding agent）的受控实验。研究者把同一批任务分别交给 Claude Code、OpenCode、mini-SWE-agent 等不同的 agent harness（可理解为包裹在模型外面的执行框架：工具调用协议、上下文组织方式、系统提示词、循环控制逻辑）来跑，然后对比两项指标——任务通过率和单任务成本。
结论有两层。第一层是性能：不同 harness 之间的通过率差异，并不比同一套配置重复运行带来的波动更大。换句话说，在统计意义上，换框架带来的“提升”很难与随机噪声区分开。第二层是成本：单任务开销最高可以变成原来的三倍左右，而主要推手不是模型本身，而是系统提示词——它随着智能体每一步行动被反复重发，框架越“重”、提示词越长，累积的 token 账单就越可观。
为什么重要
过去一年，编码智能体的讨论重心逐渐从“哪个模型强”转向“哪个框架好用”。终端里的 Claude Code、开源的 OpenCode、学术风格的 mini-SWE-agent，各自有一套工程哲学，社区也习惯把使用体验的差异归因于框架设计。这项研究提醒我们，需要把两件事分开看：框架影响的是交互手感、可控性和集成方式，而不必然是任务成功率。
更值得留意的是成本结构。智能体的计费方式和聊天完全不同——它不是一问一答，而是一个多步循环，每一步都要把系统提示词、工具定义、历史上下文重新塞进上下文窗口。这意味着框架层面的“精心设计”（更长的行为规范、更细的工具说明、更复杂的脚手架）会以乘法方式放大开销，而收益却未必落在通过率上。这与业界此前对 agent 脚手架“越复杂越好”的默认假设形成了张力。
影响与看点
对开发者而言，最直接的启示是评估方法要改。如果框架间的差异小于重复运行的方差，那么单次跑分的对比就缺乏说服力，需要多次重复、报告方差，并把成本作为与通过率并列的一等指标。选框架时，集成度、可调试性、权限控制这些工程属性，可能比“能不能多解对几道题”更值得权衡。
对工具厂商和模型提供方，压力落在上下文效率上：系统提示词的缓存复用、工具定义的按需注入、上下文压缩策略，都会直接决定 agent 产品的单位经济模型。谁能把“每步重发”的固定开销压下去，谁就在同等能力下拥有更低的成本曲线。
对使用者，一个务实的判断是：不要为框架的“高级感”付费，先确认它解决的问题是否真实存在。这项研究只覆盖了特定任务集与特定框架组合，结论不宜无限外推；但它提出的问题——框架带来的增益是否可测量、成本是否被计入——值得成为评估编码智能体的默认提问方式。
