Google Research 開源 Agent 框架 Harness²：免改模型權重，兩層遞歸機制使基準最高提升 11.8 個百分點

Google Research 依 Apache 2.0 協議開源智慧代理（Agent）框架 Harness²（Recursive Agent Harnessing for an Open World），主打在不修改底層模型權重的前提下，透過持續調整外部組件實現遞歸式能力提升。官方強調該專案仍屬研究專案，非官方正式支援產品。 Harness² 預設使用 OpenCode，亦可切換至 Codex。系統將可動態修改的架構拆分為 8 類組件：系統提示詞、護欄、記憶、工具指導、子代理、Skills、腳本與外掛程式。其核心為兩層遞歸機制：單任務內的「任務級遞歸」透過「提出—探測—組合」測試多套方案的行為差異，無需任務具備標準答案；跨任務的「Harnessing 級遞歸」則維護持久的 Improvement Harness 累積有效經驗。搜尋策略同時提供偏向廣度探索的平行遞歸，以及偏向深度推進的循序遞歸。 在 GLM-5 與 Gemini 3.5 Flash 上的實驗顯示，僅執行單步 Harness² 最佳化，WorkBuddy-Bench 最高提升 11.5 分、JobBench 提升 4.5 分、LAB 部分通過率提高 11.8 個百分點，增加任務級遞歸預算可進一步提高成績。不過，效能提升本質上是以測試時計算（Test-time Compute）與額外 Token 消耗換取。安全與設定方面，當前 Harness² 的 executor 預設未限制網路存取，且 Codex executor 會關閉沙箱，官方提醒正式評測需手動隔離網路以免模型取得答案。社群開發者 Josephzhou 則宣稱將其接入 Jev 1.14 後，在未改動權重下提升了視覺任務表現。