谷歌刚刚开源了 Harness²。

（将任何 harness 转变为一个自我改进的系统）

harness 是围绕模型的一切封装，比如系统提示、工具、记忆、技能和子代理。今天，一个人设计一次，代理就用那个固定的设置运行每个新任务。

Harness² 让代理为每个新任务自行优化那个设置，而不触及模型权重。

在每个任务上，代理提出对其 harness 的编辑，运行几个候选版本，并通过比较那些运行的表现来组合出一个更好的 harness。

因为它从运行之间的差异中学习，它不需要任务的正确答案或评分器。

这涵盖了一个单一任务。Harness² 还会将它从一个任务中学到的东西带到下一个任务中。

在每个任务后，它保存它最终确定的 harness 以及在运行中经受住考验的经验教训。下次优化 harness 时，它从那些笔记开始，而不是从头开始。

这意味着每个完成的任务都会让下一轮编辑更加明智。

谷歌用 Gemini 3.5 Flash 和 GLM-5 在法律、办公和专业工作基准上测试了这个。一轮编辑就足以击败它们的原始 harness，而给代理更多轮次会推动分数更高。

那些额外轮次可以广度或深度发展。代理要么同时尝试几个候选 harness，要么逐步优化一个单一的，使用 OpenCode 或 Codex 来执行工作。