谷歌开源 Harness²框架：通过双层递归优化实现模型性能暴涨

近日，谷歌等机构开源了一项名为 Harness² 的重磅框架。该框架旨在解决智能体（Agent）在开放真实场景中面临的挑战，通过非侵入式的方式对模型执行环境进行优化，从而显著提升性能表现。Harness²将智能体的交互基础设施具象化为八大可编辑组件，包括系统提示词、护栏、记忆、工具指导、子智能体、技能、脚本和插件。框架优化的对象并非模型权重，而是这些外部组件的改进与重组。该框架的核心创新在于其“双层递归优化”架构。第一层为任务级优化，采用提议 - 探测 - 组合（PPC）机制，针对具体任务分析痛点并提出多种修改方案，通过对比不同方案的执行结果筛选最优解并进行融合。第二层为元级优化，负责从成功的任务中沉淀通用逻辑与经验证据。这些积累的智慧被用于指导未来全新任务的框架编辑，实现了类似人类“举一反三”的进化能力，使智能体能从“熟练工”成长为“大师”。在多项专业基准测试中，Harness²展现了惊人的效果。仅经过单步优化，GLM-5 和 Gemini 3.5 Flash 等模型在 WorkBuddy-Bench、JobBench 及 LAB 测试中的表现分别提升了显著分数或准确率百分比，且随着递归预算的增加，性能仍有进一步上升空间。开源项目由谷歌云 AI 研究团队与来自美国西北大学的 Ruiyao Xu 共同参与开发。相关代码已托管于 GitHub，配套论文发布在 arXiv，项目主页也同步上线。LangChain 生态核心成员也对这一设计给予了高度评价，认为其与当前 Agent 工程理念高度一致。Harness²的开源标志着 AI 领域从单纯微调模型权重向优化外部执行框架的转变。面对网页更新、API 变动等无标准答案的真实世界挑战，该框架提供了一种低成本、避免灾难性遗忘且兼容闭源 API 的新型升级路径。