Harness²

Harness² 是 Google Research 公开的 agent 研究框架，配有论文。README 里的 harness，指模型周围让它能当 agent 用的一整套东西：系统提示词、护栏、记忆、工具说明、子 agent、Skill、脚本和插件。Harness² 研究的是 agent 遇到没见过的任务时，怎么自动改进这套东西，模型权重本身不动。它分两层：做当前任务时，先提出几种修改，各自试跑，再根据几次运行的差别合成一套更好的 harness；每做完一个任务，再把有用的经验记进一套长期的“改进 harness”，留给以后的任务用。README 称，这样走一步就提升了 GLM-5 和 Gemini 3.5 Flash 在三个专业基准上的成绩。它支持 OpenCode 和 Codex 两种执行器，自带 JobBench、LAB、WorkBuddy-Bench 三个基准。仓库说明它不是 Google 正式支持的产品。

适合谁：研究 agent 和做 agent 评测的研究者、工程师，而且有能力搭隔离实验环境。不写代码的读者用不上。

使用前提：README 要求 Linux、Python 3.12 和 uv。有一个不需要模型账号的本地演示（demo），可以先看看它怎么运转。真正跑模型基准还要 Node.js 20 以上、Google Cloud 命令行工具、Vertex AI 权限和计费，费用另算；任务内容、上下文和评估资料会发给你配置的模型接口。README 写明执行器的网络不受限制、Codex 自带的沙箱是关掉的，代码里还用了跳过审批和沙箱的参数；部分基准会在当前电脑上直接启动程序，权限和你本人一样。本站不推荐在存有私人资料、密钥或登录状态的电脑上运行，只建议放在单独的虚拟机或容器里做研究。安装时还会下载上游代码和基准数据。代码是 Apache-2.0 许可，第三方数据和组件另有各自的许可。

以上根据项目公开说明整理，本站没有实际测试。