Google Cloud AI Research 开源递归式 Agent 框架 Harness²
Google 开源递归式 Agent Harnessing 框架 Harness²
Google Cloud AI Research 开源 Harness²（v0.1.0，Apache-2.0），这是一个递归式 Agent harnessing 框架，在模型权重冻结的情况下迭代优化提示词、工具、记忆、技能等 8 个 harness 组件。
MarkTechPost· Asif Razzaq·2026-10-18 16:15· 2 小时前AI 评分68
Google 开源 Harness2，一个递归式 Agent Harnessing 框架
AI 导读
Google Cloud AI Research 开源 Harness²（v0.1.0，Apache-2.0），一个递归式 Agent harnessing 框架，在模型权重冻结的情况下迭代优化提示词、工具、记忆、技能等 8 个 harness 组件。
正文 · 原文
Google Cloud AI Research 已开源 Harness²。它是一个递归式 Agent harnessing 框架，可改进冻结模型周边的代码与文件。对开发者而言，其卖点很简单：你的 Agent 或许无需更强的模型也能变得更好。
TL;DR
- 规模：一个框架，而非模型。训练参数为 0；8 个可编辑的 harness 组件。版本 0.1.0。
- 运行环境：Linux，Python 3.12 或 3.13 及 uv。模型运行通过 Vertex AI 调用模型。GPU 要求：未披露。
- 性能：1 个 refinement 步骤在全部 3 个基准上改善了全部 4 种模型与 harness 组合。
- 最佳：OpenCode 下的 GLM-5 在 WorkBuddy-Bench 上从 64.2 升至 75.7（+11.5 分）。
- 最差：Codex 下的 GLM-5 在 JobBench 上仅提升 1.2 分（23.6 至 24.8）。
什么是 Harness²？
Harness² 是 Google Research 推出的即插即用框架，可在部署期间优化 Agent 的 harness。harness 是模型周边的一切：提示词、工具、记忆、技能与编排。Harnessing 即优化该系统的过程。模型权重始终不变。
目标场景是开放世界。任务以未见过的形式出现，且没有验证器判断答案是否正确。研究团队认为，大多数自我改进方法都假设存在标签或测试用例。Harness² 的构建目标是在没有这些条件的情况下工作。
8 个 harness 组件是什么？
Harness² 暴露 8 个可编辑组件，每个都以文件形式挂载：
- 系统提示词
- 护栏
- 记忆
- 工具指引
- 子 Agent
- 技能
- 脚本
- 插件（中间件）
它们覆盖上下文构建、工具接口、委派以及工具循环内的行为。该布局在早前 Agentic Harness Engineering 工作的 7 文件拆分基础上增加了 1 个组件。
递归式 Agent harnessing 如何工作？
该框架运行两个相互关联的递归层级：
- 任务级递归采用对比式的 Propose、Probe、Compose 步骤。首先，Agent 使用基础 harness 运行一次任务。随后由编辑器提出 2 个候选方案。不变候选方案针对规划或工具使用等通用 Agent 失败；领域候选方案针对当前领域的知识与流程。两个候选方案在同一任务上运行。组合器将它们的轨迹与参考进行对比，仅保留有观察行为支持的编辑。
- Harnessing 级递归在每个任务之后发生。反射器存储采用的 harness 以及一个经验教训的
EXPERIENCE.md文件。该库指导未来的提案。每个新任务仍从基础 harness 开始。
预算 k 可缩放搜索规模。并行模式探测 k 个不变候选与 k 个领域候选，然后进行 k 次组合。串行模式串联 k 个 refinement 步骤。
Harness² 在基准上表现如何？
研究团队测试了 3 个专业基准：WorkBuddy-Bench、JobBench 和 Harvey 的 LAB。执行器为 OpenCode 和 Codex 下的 Gemini 3.5 Flash 与 GLM-5。默认编辑器为 Claude Opus 4.8。结果为 3 次运行的平均值。
| 设置（单步，k=1） | WorkBuddy 平均 | JobBench | LAB 部分 |
|---|---|---|---|
| Gemini 3.5 Flash，OpenCode | 72.4 → 77.5 | 31.5 → 36.0 | 79.9 → 81.9 |
| Gemini 3.5 Flash，Codex | 74.5 → 77.5 | 33.9 → 35.3 | 71.6 → 75.6 |
| GLM-5，OpenCode | 64.2 → 75.7 | 20.6 → 24.2 | 59.6 → 71.4 |
| GLM-5，Codex | 64.4 → 75.3 | 23.6 → 24.8 | 58.1 → 65.9 |
来源： Harness² 论文，表 1 和表 2。
较弱的执行器获益更多。经过 1 步后，GLM-5 在 WorkBuddy-Bench 上超过了基础版 Gemini 3.5 Flash。k=5 的并行递归将 OpenCode 下的 Gemini 提升至 WorkBuddy 上的 80.8。在 WorkBuddy-Bench 上，4 个设置中有 3 个还减少了每个任务的步数。OpenCode 下的 Gemini 从 25.4 降至 21.9。
它与其他 harness 方法相比如何？
| 特性 | Harness² | Meta-Harness | ReasoningBank | Harness Scaling |
|---|---|---|---|---|
| 开发者 | Google Cloud AI Research、Northwestern | Stanford IRIS Lab 及合著者 | Google Research 及合著者 | Wang 等 |
| 变更内容 | 完整的 8 组件 harness，按任务 | harness 代码，离线搜索 | 检索记忆；harness 固定 | harness，按实例修订 |
| 需要训练集 | 否 | 是 | 否 | 否 |
| 跨任务学习 | 是（库 + 经验教训） | 部署 1 个最佳 harness | 是（记忆） | 否 |
| 代码许可证 | Apache-2.0 | MIT | 未披露 | 未披露 |
| WorkBuddy 平均，Gemini/OpenCode* | 77.5（k=5 时为 80.8） | 76.4 | 73.4 | 75.3 |
| JobBench，Gemini/OpenCode* | 36.0 | 35.8 | 30.8 | 32.9 |
| LAB 部分，Gemini/Codex* | 75.6 | 76.5 | 74.8 | 67.9 |
*分数按 Harness² 论文中测量；其他方法本身未报告这些基准。
如何安装和运行 Harness²？
README 面向 Linux、Python 3.12 和 uv。本地演示无需模型凭据即可运行两种递归模式：
uv venv --python 3.12 .venv
source .venv/bin/activate
uv pip install -e '.[render]'
harness2-demo --output runs/demo --k 2基于模型的运行需要 Node.js 20+、Google Cloud CLI 和 Vertex AI 项目。LAB 需要 Pandoc 和 Poppler。WorkBuddy-Bench 需要 Docker。执行器默认为 OpenCode，或使用 --substrate cx 的 Codex。
关键要点
- Harness² 在测试时重写智能体的 harness；权重保持冻结。
- 1 步将 GLM-5 在 WorkBuddy-Bench 上提升了 11.5 分。
- Propose、Probe、Compose 用行为对比取代真实标签。
- 经验教训库将改进带到未来任务。
- 预计每个任务需要额外运行，并自行将其沙箱化。
查看 论文、 GitHub 仓库、论文 和 项目页面。所有功劳归于该项目的研究人员。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅 我们的新闻通讯。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。
文章 Google Open-Sources Harness2, a Recursive Agent Harnessing Framework 首次出现在 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news