你换过好几个 harness 仍然觉得每次从零开始，很可能是因为每次的经验都留在对话里，没有沉淀成下一次能直接读的文件。可行的做法是给投资报告建一个固定的项目文件夹：一份写清任务目标、数据来源、报告结构和“什么算合格”的说明，一份记录每次出错和你的修正。每次让 agent 先读这两份再动手，做完后把新发现的错误补进去。这样“积累”发生在文件里，换模型或换工具都不会丢。立正在处理 agent 越权发布时，选择的是让 AI 更新项目里的规则文件、加一道对外内容的审批关口，而不是收紧权限或每次亲自盯着⁠1。

投资报告的价值不在产出数量，而在它是否改变了某个投资判断。可以先选一类你常写的报告，比如某只股票的跟踪笔记，让 agent 负责搜集和整理，你负责结论和验收；连续跑几轮后看哪一步反复出错、哪一步你其实不需要它做。关于消灭 fake work 的那篇文章提出，暂时改不了大环境时，可以先闭合一个小循环：做出改动、让真实使用发生、观察结果、再改一次，练的是从判断一路负责到结果⁠2。同一篇也提醒，如果说不清这项工作最后要改变什么，agent 只会更快地生产看起来像成果的东西⁠2。

投资报告尤其如此：agent 写得越流畅，越容易掩盖论据薄弱。和 agent 合作类似第一次当管理者，要事先说清任务和约束，并对照你真正要的东西严格检查，而不是被漂亮的结果骗过去⁠3。具体到你的处境，可以在规则文件里写明验收项，比如数据必须有出处、结论必须给出反面情形、预测必须标注假设；每次报告按这几条打分，不合格就退回重做。这比追求 agent 自己“进化”更能积累你的判断力。