谷歌研究团队近日开源了一种名为 Harness² 的智能体框架，旨在通过不更改模型权重的方式，依靠持续调整系统提示、记忆、工具指引、技能和子智能体等外部组件，来提升 AI Agent 的递归能力。这一框架现已在 GitHub 上以 Apache 2.0 授权协议发布，支持 OpenCode 和 Codex，默认情况下使用 OpenCode，但也可切换到 Codex。同时，谷歌强调，Harness² 目前仍然是一项研究性项目，并非正式的谷歌产品。

Harness² 系统由八大组件构成，包括系统提示、保护机制、记忆、工具指导、子智能体、技能、脚本和插件。这些组件共同决定了智能体如何构建上下文、调用工具、分配任务以及在多轮工具调用中有效完成工作。

国内开发者 Joseph Zhou 表示，在将 Harness² 与 Jev 1.14 整合后，他观察到在不调整模型权重的情况下，视觉任务的表现得到了显著提升。他指出，Harness 的底层系统能够自动调整提示词，构建执行能力并从实践中提炼出经验。 球友

Harness² 的全名是“面向开放世界的递归智能体 Harness（Recursive Agent Harnessing for an Open World）”，其核心设计在于两层递归机制。首层为“任务级递归”，当智能体碰到 Harness 设计阶段未处理过的新任务时，系统不会依赖固定的预设策略，而是进行“提出—探测—组合”的多轮探索。具体而言，智能体会生成多个修改方案，让不同版本共同执行相同任务，再根据其表现差异重新组合出最佳方案。特别的是，Harness² 并不需要任务具有明确的标准答案，很多自动优化方法依赖于评测集或真实标准来评估更优的修改，但在真实的企业环境中，许多任务并没有唯一的解答或标准，反而是在智能体部署之前就已缺乏统一的参考。因此，Harness² 采取通过实际操作观察修改后的行为差异，特别关注那些具备执行证据的有效修改，再将这些经验运用到后续任务中。

第二层则是跨任务的“Harnessing级递归”。在这一层中，Harness² 保留已实施的经验，而非在任务完成后就遗忘过去的所有信息。系统维护一个持久的 Improvement Harness 以保存此前采用过的方案和有效经验，随时为后续优化提供指导。这就形成了一个闭环机制：智能体面对新任务，根据既往的经验进行修改和验证，保留有效的改进，最终为下一轮的调整奠定基础。

谷歌研究团队已在 JobBench、LAB 和 WorkBuddy-Bench 三类专业基准任务上，对于 Harness² 进行了详尽的测试，涉及四种不同的“模型—Harness”配置，并使用了包括 GLM-5 和 Gemini 3.5 Flash 的基础模型。实验结果显示，仅推动一次 Harness² 的优化，模型权重不变的情况下，WorkBuddy-Bench 的成绩最高提升了 11.5 分，JobBench 有最高 4.5 分的增加，LAB部分的通过率则提高了 11.8 个百分点。值得注意的是，继续增加任务级递归预算还将进一步推动性能提升。 球友

Harness² 提供了并行和顺序两种递归方式。前者允许同时探索多种 Harness 模式，从而寻求更广泛的选项，而后者则将前轮优化的结果及执行证据带入后续，使得优化变得更深入。但这种提升并非无代价，每增加一轮递归便需为同一任务运行更多候选智能体和模型调用，实际上是在以更高的计算成本换取更成功的结果。

此外，当前 Harness² 的执行器默认网络访问无限制，同时 Codex 执行器将关闭沙盒模式。官方提醒，公开基准的评分标准及答案可能会通过网络采访获取，因此在正式评测时需要限制网络访问。

“实现 Harness 绝非易事！”参与 Harness 开发的工程师 Viv 这样感慨道。他与多支生产团队的密切合作使他深知，Harness 并不仅是一个可以独立于模型设计的普适软件。Viv 将其总结为“模型 - Harness - 任务的匹配”。在他看来，Harness 的关键在于对模型行为的控制以及对其现有能力的增强。钩子、控制提示、自动上下文管理等机制，实际上都是帮助模型以更稳定的方式应对特定任务。 球友

适用于不同模型的工具类型、提示方式以及问题拆解方式各不相同，因此一套专门针对 Claude 优化的上下文管理和工具策略，在不同环境下的效果也大相径庭。