Google 开源 Harness²：智能体不用改模型，自己优化运行配置

Google 刚刚开源了 Harness²。（把任何 harness 都变成一个能自我改进的系统）

harness 指的是包裹在模型周围的一切，比如系统提示词、工具、记忆、技能和子代理。如今，人设计一次 harness，代理就用同一套固定配置去跑每一个新任务。Harness² 让代理能针对每个新任务自行优化这套配置，而模型权重保持不变。

在每个任务上，代理会提出对自身 harness 的修改，运行几个候选版本，再通过比较这些运行的表现，组合出一个更好的 harness。因为它是从不同运行之间的差异中学习，所以任务本身不需要标准答案或评分器。

这只覆盖了单个任务。Harness² 还会把从一个任务中学到的东西带到下一个任务。每个任务结束后，它会保存最终确定的 harness，以及在多次运行中被验证有效的经验。下一次优化 harness 时，它会从这些笔记出发，而不是从零开始。这意味着每完成一个任务，下一轮修改就更有依据。

Google 在法律、办公和专业工作基准测试上，用 Gemini 3.5 Flash 和 GLM-5 测试了这个方法。一轮修改就足以超越它们原本的 harness，而给代理更多轮次，分数还会继续提高。

这些额外的轮次可以走宽，也可以走深。代理要么同时尝试多个候选 harness，要么一步步持续优化同一个 harness，使用 OpenCode 或 Codex 来执行这些工作。

你可以在这里找到 Harness² 的代码仓库：

我之前写过一篇类似的文章，讲的是已经在生产环境中运行的代理：harness 应该在失败后自我修复，而不是等人手动调试 trace。那篇文章详细介绍了 @Cometml 的 Opik（开源）如何闭合这个循环——从一条失败的 trace，到提出修复方案，再到一个防止同类失败再次出现的回归测试。引用如下。