Google Research 最近开源了一个叫 Harness² 的项目，做的事情挺有意思的。

现在大家都在聊 AI Agent，就是让大模型像一个员工一样，能用工具、能记东西、能一步一步完成任务。但很多人可能没注意到，模型本身只是其中一部分。围绕在模型外面还有一整套东西：提示词、工具、记忆、技能、把任务安排好的调度逻辑……这些加在一起，才让模型变成了一个能干活的 Agent。这套外围系统，我们一般都管它叫“harness”，你可以理解成 Agent 的“装备”。

Harness² 要做的事情就是：让这套装备自己变得更好，而且全程不动模型本身。

它用了两层循环来做这件事。

先说第一层，叫任务级循环。Agent 拿到一个任务之后，先用现有的装备跑一遍。然后系统会提出一些修改方案，再拿同一个任务试一试，看看改了之后表现有什么变化。最后根据前后对比，把有用的改动合并进装备里。整个过程不需要标准答案，就是看行为上的差异来判断哪些改动是有效的。这个步骤他们叫“提议、探测、组合”（Propose–Probe–Compose）。

然后说第二层，叫经验级循环。每完成一个任务，系统会把这次学到的经验和改进过的装备都存下来。下次碰到新任务的时候，就带着这些积累去做优化。你可以想象成一个人每做完一件事就复盘一次，时间长了就越来越会干活。

在装备的具体构成上，Harness² 把模型的外围拆成了八个可以单独调整的模块：系统提示词、安全规则、记忆、工具使用指南、子代理、技能、脚本和插件。每个模块都可以在循环里被独立优化。

效果怎么样呢？他们在三个专业级的基准测试上跑了一轮。在 WorkBuddy-Bench 上，成绩最多提升了 11.5 分；在 JobBench 上提升了 4.5 分；在 LAB（一个法律相关的测试）上，部分通过率提高了 11.8 个百分点。用的模型是 GLM-5 和 Gemini 3.5 Flash。而且如果增加任务级循环的轮数，成绩还能继续往上走。

另外它还提供了两种循环模式可以选。一种是并行模式，同时试好几个修改方案，最后挑效果好的合到一起，覆盖面更广。另一种是顺序模式，一轮接一轮地往下迭代，每轮都在上一轮的结果上继续改，挖得更深。

整个项目已经在 GitHub 上开源了，几行命令就能跑起来。感兴趣的可以去看看：google-research/harness2。

科技先锋官How I AI