谷歌云 AI 研究院（Google Cloud AI Research）10 月 18 日开源了 Harness²，这是一个递归式智能体 harness 优化框架，目标是在不改变模型权重的前提下，通过改写模型周围的代码与文件来提升智能体表现。据 MarkTechPost 报道，该框架版本号为 0.1.0，不含任何训练参数，是一个框架而非模型。
在 Harness² 的定义中，harness 指模型之外的全部构件，包括提示词、工具、记忆、技能与编排，harnessing 则是优化这一系统的过程。框架被设计为即插即用，在部署阶段对 harness 进行改进，模型权重始终不变。它针对的是“开放世界”设定：任务此前未曾出现，也没有验证器判断答案是否正确。研究团队认为，多数自我改进方法都假设存在标签或测试用例，而 Harness² 要在没有这些条件时同样可用。
框架暴露 8 个可编辑组件，每个组件以文件形式挂载，分别是系统提示词、护栏、记忆、工具指引、子智能体、技能、脚本和插件（中间件）。这些组件覆盖上下文构建、工具接口、任务委派以及工具调用循环中的行为。该布局在此前 Agentic Harness Engineering 工作的 7 文件划分基础上增加了一个组件。
递归优化分为相互关联的两层。任务级递归采用“提议—探查—组合”的对比流程：智能体先用基础 harness 执行一次任务，编辑者随后提出两个候选，其中不变量候选针对规划、工具使用等通用失败，领域候选针对当前领域所需的知识与流程；两个候选在同一任务上运行，组合器将它们的轨迹与参考轨迹比对，只保留有实际行为观察支撑的修改。
harness 级递归发生在每次任务之后：反射器保存被采纳的 harness，并生成一份记录经验的 EXPERIENCE.md 文件，这一经验库用于指导下一次提议，而每个新任务仍从基础 harness 出发。预算 k 用于放大搜索规模，并行模式下探查 k 个不变量候选与 k 个领域候选，再做 k 次组合；串行模式则串联 k 个改进步骤。
性能方面，一次改进步骤使 4 种模型与 harness 组合在 3 个基准上全部获得提升。表现最好的是 GLM-5 在 OpenCode 下于 WorkBuddy-Bench 从 64.2 升至 75.7，提高 11.5 分；最差的是 GLM-5 在 Codex 下于 JobBench 仅提高 1.2 分，从 23.6 到 24.8。
运行环境方面，Harness² 需要 Linux 系统、Python 3.12 或 3.13 以及 uv，模型调用通过 Vertex AI 完成，GPU 要求未披露。