谷歌开源递归式智能体驾驭框架Harness²，无需更换模型即可提升智能体表现

谷歌云AI研究团队近日开源了Harness²，这是一个递归式的智能体“驾驭”框架，旨在在不改动模型本身的前提下，改进冻结模型周围的代码和文件。对开发者而言，其核心卖点很简单：无需更换更强的模型，智能体的表现也可能提升。Harness²是框架而非模型，不训练任何参数，包含8个可编辑的驾驭组件，当前版本为0.1.0。它运行在安装了Python 3.12或3.13以及uv的Linux系统上，模型调用通过Vertex AI完成，GPU需求未予披露。所谓“驾驭”（harness），是指模型之外的一切，包括提示词、工具、记忆、技能和编排；“驾驭优化”即对这一整套系统进行优化，而模型权重始终保持不变。Harness²以即插即用的方式在部署过程中持续完善智能体的驾驭层。在性能方面，仅一步改进就让全部4种模型与驾驭组合在全部3项基准测试上取得提升：表现最好的是在OpenCode下运行的GLM-5，其WorkBuddy-Bench得分从64.2升至75.7，提高11.5分；提升最小的是在Codex下运行的GLM-5，其JobBench得分仅从23.6升至24.8，提高1.2分。该框架面向开放世界场景：任务在事先未见的情况下到来，也没有验证器判断答案是否正确。研究团队认为，大多数自我改进方法都假设存在标注或测试用例，而Harness²正是为在没有这些条件的情况下工作而设计的。