谷歌开源Harness²：让AI代理在运行中自主优化执行脚手架

谷歌研究团队于2026年10月19日开源了名为Harness²的递归自我改进（RSI）框架。该系统允许大语言模型在执行任务过程中，自主修改外挂代码、系统提示词、工具链和技能库，旨在解决传统Agent在真实开放世界中因缺乏标准答案而难以有效自我优化的问题。

Harness²采用双层递归架构：第一层为任务级递归，通过“提议-探测-合成”机制，在没有外部裁判的情况下，利用行为对比评估不同脚手架修改方案的有效性；第二层为改进级递归，通过反思模块将调试记录沉淀为经验库，使系统在后续新任务中能检索过往有效组件，实现跨任务的持续学习。

据谷歌团队自测数据显示，在WorkBuddy-Bench办公基准测试中，搭载Harness²框架的GLM-5模型综合得分从64.2提升至75.7，增幅达11.5分，超过了未使用该框架的原生Gemini 3.5 Flash（72.4分）。此外，在JobBench和LAB法律基准上，该框架也分别带来了4.5分和11.8个百分点的性能提升。目前该项目已支持OpenCode与Codex环境。