Harness²：让 Personal Agent 边用边攒经验

Google Research 开源的 Harness²，是一个面向开放世界任务的递归 Agent Harness 优化框架。它保持模型权重不变，把系统提示词、记忆、Skill、工具指导、子 Agent、脚本、插件等 Harness 组件放进可持续调整的范围。

它通过 Propose–Probe–Compose 步骤实现任务内迭代：先运行当前 Harness，再分别提出通用修改和领域修改；候选 Harness 会重新执行同一个任务，系统对照执行轨迹、最终产物和 Harness 差异，再据此组合下一版 Harness。

任务结束后，Harness² 会对被采用的结果进行 Reflection。当能够提炼出完整的适用线索、经验和执行证据时，被采用的完整 Harness 和这些经验会写入同领域经验库。后续任务仍从基础 Harness 开始，但在修改时可以参考之前留下的 Harness 和经验，让一次任务中的有效做法继续参与后面的迭代。

Harness² 支持并行递归和顺序递归两种模式，执行器可选择 OpenCode 或 Codex。官方还适配了 JobBench、LAB 和 WorkBuddy-Bench 三个 Benchmark，用于不同类型的专业任务实验。

开发者可在 Linux、Python 3.12 和 uv 环境下从源码安装，也可以先运行本地 Demo。模型驱动的 Benchmark 还需要额外配置模型凭据和对应依赖。

目前 Harness² 更适合看作一套已经开源的递归 Harnessing 研究框架：它把“提出修改—重新执行—对照变化—沉淀经验”组织成了可运行的递归改进闭环。

Harness2 Agent harness 开源项目 Agent工程 Skill Codex Benchmark