HarnessMM大幅削减智能体调用

HarnessMM预写带校验条件的后续命令，在98项HumanEval任务上减少87.93%令牌。

推荐理由：让模型预先写出命令及通过条件，工具结果达标便跳过下一次模型调用；DeepSeek Harness令牌降87.93%，成功率反由71.43%升至85.71%。