谷歌开源 Harness²：不改模型权重，递归优化智能体框架

核心事实

据 MarkTechPost 报道，谷歌云 AI 研究团队已开源 Harness²（版本 0.1.0），这是一个递归式智能体框架优化（harnessing）框架。它不训练模型参数，而是把提示词、工具、记忆、技能与编排等模型周边组件拆成 8 个可编辑文件，在部署阶段按任务反复改写。据报该框架采用 Apache-2.0 许可，运行环境为 Linux 加 Python 3.12 或 3.13，并通过 Vertex AI 调用模型。

背景与影响

该团队称，多数自我改进方法依赖标签或测试用例，而 Harness² 面向没有验证器的开放任务：先以基础框架跑一遍任务，再由编辑器提出「通用」与「领域」两个候选，比较两者轨迹后只保留有行为证据支持的修改；任务结束后把采纳的框架与经验文件存入库，供后续任务参考。据论文表格，单步优化（k=1）在 WorkBuddy-Bench、JobBench 与 Harvey's LAB 三项基准上对四种模型与框架组合均有提升，其中 GLM-5 配 OpenCode 在 WorkBuddy-Bench 上从 64.2 升至 75.7。论文同时指出，较弱执行器获益更多，且部分组合的单任务步数有所下降。

限制与来源

上述数字均来自论文自测，其他对比方法并未自行报告这些基准成绩，尚待独立复现。框架需要为每个任务额外运行候选与比较流程，成本随预算 k 增长；模型调用依赖 Vertex AI 项目与凭据，部分基准还需 Docker、Pandoc 等环境，使用者需自行做好沙箱隔离。功能、许可与安装要求请以官方仓库和项目页当前信息为准。本文信息源自 MarkTechPost 报道及其引用的论文与仓库，未做独立实测。