amankhan 提出「每个 query 都有自己的 harness」：评测框架可按任务定制

amankhan 提出「每个 query 都有自己的 harness」的想法：评测与 agent 执行框架可以按任务定制，而不是用一套通用框架跑所有任务。这一提法把定制粒度落到单个 query 上，被视为评测思路的一个新切入点。