Google Research 开源智能体外壳优化框架 Harness²
Google Research 以 Apache-2.0 协议发布 Harness²,该框架可在不改变模型权重的情况下递归优化智能体外壳。其两层机制结合任务级的“提议—探测—合成”与持续记录已采纳改进的持久优化外壳。论文报告其在 WorkBuddy-Bench、JobBench 和 LAB 上分别最高提升 11.5 分、4.5 分和 11.8 个百分点,但这些结果未经独立复现,也并非所有配置均能取得同等增益。
Harness² 将提示词、护栏、记忆、技能、工具说明、脚本、子智能体和插件的调优转化为明确且可审阅的优化流程,但其默认不受限的网络访问和关闭的 Codex 沙箱要求评测时做好隔离。
引言
"A harness is the system around a model that enables it to act as an agent. Harnessing is the process of optimizing that system."
这是「每日一个开源项目」系列的第 258 篇。今天的项目是 Harness²(读作 Harness Squared)—— Google Research 开源的递归式 Agent Harness 优化框架,23,451 颗 Star,2,354 个 Fork,Apache-2.0 协议,2026 年 10 月 6 日创建。
过去一年大家越来越清楚:同一个模型,装在不同的"外壳"里,表现可以差很多。这个外壳就是 Harness —— 提示词、工具、记忆、技能、编排逻辑,等等。但外壳基本靠人调:试一版、跑几个任务、再改。Harness² 想回答的问题是:能不能让 Agent 在遇到一个设计 Harness 时没见过的新任务时,自己改进自己的外壳,并且不需要标准答案反馈? 它的做法是在模型权重完全不变的前提下,做两层递归。
你会学到什么
- Harness 与 Harnessing 的区别,以及 Harness² 暴露的八个可编辑组件
- 两层递归:任务级的「提议—探测—合成」(Propose–Probe–Compose)和 Harnessing 级的「改进 Harness」
- 并行递归与顺序递归的差别,以及
--k预算怎么用 - 快速上手:不需要任何模型凭证的本地 demo,和跑一次 LAB 基准的完整命令
- 使用前必须知道的两件事:API 成本,以及评测时的网络访问风险
#Harness²#Google Research#GLM-5#Gemini 3.5 Flash#OpenCode#Codex#Vertex AI#WorkBuddy-Bench#JobBench#LAB