该论文提出一个名为 HarnessSafe 的基准测试，聚焦于现代智能体 harness（agent harness）中持久化载体（persistent carriers）带来的延迟安全风险。现代智能体系统为了跨任务和会话保持状态，会使用内存、技能、工具、共享工件等持久化载体，但这些能力可能使攻击者注入的内容跨越系统边界，并在后续某个良性请求执行时被触发，形成延迟性危害。已有基准往往只覆盖少数载体或 harness，且端到端的攻击成功率难以揭示风险的具体传播路径。为此，作者构建了包含 328 个可执行用例的基准，覆盖七类持久化载体家族，并在主流智能体 harness 上进行了评估。每个用例被建模为“持久风险生命周期”（Persistent-Risk Lifecycle），追踪攻击者影响从初始进入点开始，如何通过载体和系统边界持续传播，直至被一个后续良性触发器激活并产生可观察的违规行为。同时，论文提出了一种多阶段、基于痕迹的评估方法，利用可观察的执行证据来判断每条攻击链推进到哪个阶段、在哪一步被阻断。实验结果表明，风险遏制效果具有载体特异性，并强烈依赖 harness 与模型的具体配置；harness 和模型后端都会显著影响遏制结果，而单纯的攻击成功率无法反映不同的生命周期推进模式。该工作为智能体安全评估提供了更精细的方法论和数据集，适合智能体平台开发者、安全研究者和 LLM 应用工程师阅读。