谷歌开源 Harness²：可递归自我改进的智能体框架

Google Research 在 GitHub 公开 Harness² 框架，核心是固定模型参数、递归修改智能体外围的提示词、工具、记忆和编排组件，关注价值在于它把智能体改进从“训练模型”转向“优化运行系统”。

• GitHub README 称，框架面向任务未知的开放环境，不依赖标准答案反馈。
• 系统提供任务级和框架级两层递归，通过 Propose–Probe–Compose 比较候选修改的实际轨迹。
• 可编辑部分共八类，包括系统提示、护栏、记忆、工具指导、子代理、技能、脚本和插件。
• Google Research GitHub 的公开结果显示，单步改进在三个专业基准、四种模型与框架组合上取得收益，最高为 WorkBuddy-Bench 提升 11.5 分；不同组合的增益并不一致。
• 项目采用 Apache 2.0 许可证，但 README 同时注明它不是 Google 官方支持产品。
• 影响/看点：若这些基准结果能在更多模型、任务和独立复现实验中保持，智能体工程的优化重点可能进一步转向可观测的工具链与上下文设计；但现阶段结果仍受基准、执行器和递归预算影响，不能直接等同于通用能力提升。
• 资料依据:
• Google Research GitHub 仓库 README（2026-10-18）：https://github.com/google-research/harness2
• Harness² 论文条目（2026-10-18）：https://arxiv.org/abs/2610.14224

本内容由 AI 生成，仅供参考，请注意甄别