Harness²
Harness² 是据报道由 Google 开源发布的一个框架。它保持 AI 模型不变，让智能体根据工作经验自行修改模型周围的执行环境，即 Harness（指令、工具使用方法、记忆等）。
是什么
AI 智能体的性能不仅取决于底层模型，也在很大程度上取决于包裹模型的执行环境，也就是 Harness。据报道，Harness² 正是着眼于这一点，不改动模型的权重（通过训练确定的内部数值），只修改 Harness。这里的 Harness 指以文件形式附加的 8 类组件：系统提示词、指南与安全规则、记忆、工具使用说明、子智能体、技能、脚本，以及插件与中间件。据称，Google 已将研究内容发布到在线预印本平台（arXiv），并在 GitHub 上开源了代码。
如何运作
改进分两个层面反复进行。在第一个任务层面，智能体先用基础 Harness 执行任务，改进系统随后给出两个修改方案。一个针对规划、工具使用等在多种任务中普遍存在的问题，另一个则修正特定领域的知识或流程。两个方案被应用到同一任务上，比较其执行过程（Propose-Probe-Compose，提出·试探·组合），并挑选出显示出效果的改动。在第二个 Harness 层面，这样获得的经验会记录到名为 LESSONS 的改进库中，供下一个任务参考。新任务不是从上一次修改后的配置开始，而是重新从基础 Harness 开始，这一设计是为了减少只针对某个任务的修改在其他任务中产生副作用。
为何受到关注
提升模型性能的常见做法是重新训练模型，或用答案已定的评测数据进行拟合。但在实际工作中，不断会出现从未见过的任务，而且很多时候没有能自动判断结果对错的标准。Harness² 的不同之处在于，它不依赖给出正确答案的验证器，而是通过相互比较两次执行结果来确定改进方向。据报道，研究人员在面向专业工作的基准 WorkBuddy-Bench、JobBench 和 Harvey 的 LAB 上，以 GLM-5 和 Gemini 3.5 Flash 为基础进行了测试，仅经过一轮改进，四种模型与 Harness 组合在三个基准上的得分全部提高。提升幅度最大的是 GLM-5 与 OpenCode 组合在 WorkBuddy-Bench 上的结果，据称从 64.2 分升至 75.7 分，提高了 11.5 分。据称在 JobBench 上最多提高 4.5 分，在法律工作评测 LAB 上各项通过率最多提高 11.8 个百分点。
需要注意
以上内容基于媒体报道，性能数据是研究人员公布的结果。提升幅度因组合而异，GLM-5 与 Codex 组合的 JobBench 得分仅从 23.6 分升至 24.8 分，提高 1.2 分。研究人员表示，如果在改进上投入更多预算、多次探索修改方案，性能可能会进一步提升。由于模型本身没有改变，模型原本不具备的能力并不会新出现，更恰当的理解是它能更好地发挥模型已有的能力。阅读时应区分通用概念“Harness”与这个特定框架的名称“Harness²”。
各组合提升幅度不同
改进前改进后
示例
本站以“Google 发布开源框架 Harness²：保持模型不变，让智能体执行环境自我改进（报道）”为题介绍了这条消息。举例来说，假设有一个负责公司内部文档工作的编程智能体。不重新训练模型，而是基于智能体实际工作的过程，并行运行两个版本：一个加入“先确认工具”这样的通用指南，另一个加入“该领域的文档按此顺序整理”这样的领域指南。采纳效果更好的一方的改动并记录所得经验后，下一个任务仍从基础配置开始，但会参考这些经验再次提出修改方案。
本站出现过的地方
- 简报 Google 发布开源框架“Harness²”：保持模型不变，让智能体执行环境自我改进（报道） 2026-10-19
相关术语
参考资料
- Google 发布可自主提升 AI 性能的自我改进框架“Harness²”（AI Times）
- Google Open-Sources Harness2, a Recursive Agent Harnessing Framework (MarkTechPost)
- Google releases Harness2, AI agents that improve themselves (Pasquale Pillitteri)
- Google Open-Sources Harness² Framework: No Model Weight Changes Needed, Agents Boost Scores by Up to 11.5 Points by Rewriting Their Own "Shell" (BigGo Finance)