谷歌研究院开源Harness2，用于在部署后优化智能体外围框架

框架改变了什么

外围框架（harness）涵盖模型之外的一切，包括提示词、工具、记忆、技能和编排。Harness2不改动模型本身，而是针对其周围的系统开展工作。研究团队将其定位为一个即插即用的框架，可以添加到现有智能体中。

Harness2提供八个可编辑组件，每个组件都以文件形式挂载：系统提示词、护栏、记忆、工具指引、子智能体、技能、脚本和插件。它们共同控制上下文构建、工具接口、任务委派以及工具循环中的行为。这一布局在早前Agentic Harness Engineering工作所采用的七文件划分基础上增加了一个组件。

无需标签或测试的递归优化

研究团队指出，大多数自我改进方法都依赖标签或测试用例。Harness2则面向开放场景设计：任务以未见过的形式到来，且没有验证器来判断答案是否正确。

该框架运行两个相互关联的递归层级。在任务层面，一个对比式的“提议、探测、组合”步骤首先用基础外围框架执行任务，然后在同一任务上评估两个候选方案：一个是针对规划或工具使用等通用性失误的不变候选方案，另一个是针对当前领域知识与流程的领域候选方案。

报告结果与运行要求

报告称，一个优化步骤在三个基准测试上，使全部四种模型与外围框架组合都有所提升。提升最少的是Codex下的GLM-5，它在JobBench上仅提高了1.2分，从23.6升至24.8。该框架不训练任何参数。

它可在安装有Python 3.12或3.13及uv的Linux系统上运行，模型调用通过Vertex AI进行。

待解问题

• 这些提升在报告所列的三个基准之外是否依然成立？