谷歌开源 Harness² 实现智能体递归自我优化

谷歌研究团队正式发布并开源了 Harness²，这是一种专为开放世界环境设计的双层递归智能体框架。该架构旨在解决大模型在缺乏标准答案场景下易过拟合及噪声累积的核心痛点，通过不修改模型权重的动态优化机制，显著提升了智能体的通用性与执行效率。

Harness² 采用任务级与系统级的嵌套循环结构：任务级负责即时优化提示词、工具链及记忆组件，系统级则积累改进经验以指导未来决策。其引入的 Propose–Probe–Compose 机制有效区分了通用缺陷修补与领域专属优化。实测数据显示，搭载该框架后，GLM-5 在 WorkBuddy-Bench 基准测试中得分飙升 11.5 分，性能大幅超越原生 Gemini 3.5 Flash，验证了单次迭代即可带来最高 11.8 个百分点的性能增益。

这一突破标志着智能体开发从静态提示工程向动态自我进化范式转变。作为全面开源项目，Harness² 支持 OpenCode 与 Codex，为开发者提供了低成本提升模型落地能力的标准化脚手架，有望加速垂直领域 AI 应用的规模化部署与效能优化。