Mingbird：让小型开源模型完成真实任务的本地优先 Agent harness

论文提出 Mingbird，一个面向 Windows 和 Ollama 的本地优先 Agent harness，旨在让 2-9B 小型开源模型在普通笔记本上完成真实任务。作者认为工具预填充溢出、自纠偏发散、工具示例循环和任务静默放弃等失败，很大一部分来自 harness 而非模型，并用十项机制逐点应对，例如字节级净零预填充预算、接受完成前重读任务的 finish gate、签名级循环检测。在 LRAB 受控对比中，固定机器、模型、预算与评分，覆盖 4 种 harness、4 个开源模型（2B-35B）和 18 个真实任务，Mingbird 总体得分 0.886，对比方案为 0.631。摘要中对比对象名称被截断，结论仍需完整实验验证。

AI推荐理由 Mingbird 是面向 Windows 与 Ollama 的本地优先 Agent harness，针对 2-9B 小模型在云端式 harness 下工具预填充溢出、自纠偏发散、工具示例循环和任务静默放弃等失败形态，给出十项对应机制，包括字节级净零预填充预算、完成前重读任务的 finish gate 和签名级循环检测。论文通过单机受控对比与一个第三方基准，主张相当一部分失败源于 harness 而非模型；LRAB 对比中固定机器、模型、预算与评分，覆盖 4 种 harness × 4 个开源模型（2B-35B）× 18 个真实任务，Mingbird 得 0.886 对 0.631。摘要中对比对象名称被截断，且结论仍需完整实验与复现验证。