Google 正式开源 Harness²：将任何智能体 Harness 转变为自我迭代进化的系统
Google 刚刚开源了 Harness²。
（把任何 Harness 变成能够自我改进的系统）
所谓 Harness，就是包裹在模型外面的一切东西，比如 System Prompt、工具、记忆、技能和子智能体。今天，这套东西由人一次性设计完成，之后智能体执行每一个新任务，用的都是这同一套固定配置。
Harness² 让智能体能够针对每一个新任务自行改进这套配置，而模型权重始终保持不变。
在每项任务中，智能体都会提出对自身 Harness 的修改方案，跑出几个候选版本，再通过比较这些运行过程的表现，组合出一个更好的 Harness。
由于它学习的是各次运行之间的差异，因此既不需要任务的标准答案，也不需要评分器。
以上说的是单个任务内部的情况。Harness² 还能把从一个任务中学到的东西带入下一个任务。
每完成一个任务，它都会把最终确定的 Harness 保存下来，同时保存那些在各次运行中都站得住脚的经验。下一次改进 Harness 时，它就从这些笔记出发，而不是从零开始。
这意味着，每完成一个任务，下一轮的修改都会更有依据。
Google 用 Gemini 3.5 Flash 和 GLM-5，在法律、办公与专业工作类基准测试上验证了这套方法。仅仅一轮修改就足以超越它们原本的 Harness，而给智能体更多轮次，分数还能继续上升。
这些额外的轮次既可以横向铺开，也可以纵向深挖。智能体要么同时尝试多个候选 Harness，要么对同一个 Harness 一步步持续打磨，具体的执行工作则交给 OpenCode 或 Codex 来完成。
你可以在下面找到 Harness² 的代码仓库：https://github.com/google-research/harness2…
我之前写过一篇关于类似思路的文章，针对的是那些已经在生产环境中运行的智能体——在这种情况下，Harness 应该在失败之后自行修复，而不是等着有人手工去调试 trace。
那篇文章详细讲了 @Cometml 的 Opik（开源）如何闭合这个回路：从一条失败的 trace，到给出修复方案，再到补上一条回归测试，让同一个失败不再复发。引文见下。
Akshay 🚀 @akshay_pachaar · 2026-06-08
