同一任务使用两套 Harness 结果差异大时如何定位责任模块，若都不好又如何改进？

如果对agent使用两套harness框架完成同一个任务，结果出现较大差别确定harness框架中哪个模块对agent造成了影响，如果结果都不好，该如何改进。