Google 开源 Harness²：让 AI 代理在不改模型的前提下自我提升

引言：在模型不变的情况下，让 AI 代理“变强”

Google Cloud AI Research 最近开源了 Harness²，这是一套递归式的代理调度框架，核心理念是：不需要重新训练模型，也能让你的 AI 代理在实际使用中变得更好。在当下模型规模日益庞大、训练成本高企的背景下，能够通过优化模型周边的提示、工具链、记忆结构等“外部系统”，实现性能提升，无疑为企业和开发者提供了新的成本效益路径。

该框架的出现正逢 AI 代理逐步走向开放世界应用——任务多样、验证手段稀缺、实时响应需求高。传统的“模型微调”方法难以快速适配这些未知任务，而 Harness² 通过递归地改进代理的 harness（即模型周围的所有配套要素），实现了在真实环境中的自我优化。

本文将从技术实现、实验结果、行业意义以及使用注意事项四个维度，帮助读者全面了解 Harness²，并给出实操建议。

一、什么是 Harness²？

1.1 核心概念：harness 与 harnessing

在 Google 的定义里，harness 包括了模型的提示词、调用的外部工具、记忆管理、技能库以及任务编排等全部配套系统。harnessing 则是指对这些要素进行系统化、迭代式的优化，使得同一模型在不同场景下的表现得到提升。

值得注意的是，整个过程不涉及模型权重的任何改动，所有改进都发生在模型“外部”。这与传统的微调、蒸馏等方法形成鲜明对比。

1.2 框架结构：八大可编辑组件

Harness² 将整个调度链路拆分为八个可插拔的组件，分别是：

• Prompt Generator（提示生成器）
• Tool Selector（工具选择器）
• Memory Manager（记忆管理器）
• Skill Library（技能库）
• Orchestrator（任务编排器）
• Feedback Loop（反馈回路）
• Refinement Engine（细化引擎）
• Metrics Collector（指标收集器）

每个组件都可以使用 Python 脚本自行实现或直接复用社区提供的实现，极大提升了框架的灵活性。

二、技术实现细节

2.1 递归式自我改进机制

Harness² 采用“递归”策略：在一次任务完成后，系统会根据 Feedback Loop 收集的结果，对当前的 harness 进行评估并生成改进建议。随后 Refinement Engine 将这些建议转化为具体的配置更新，进入下一轮任务。

这种闭环让代理能够在部署期间持续学习，而不需要额外的离线训练步骤。

2.2 与 Vertex AI 的无缝对接

框架默认通过 Vertex AI 调用模型，支持多种主流大模型（如 Gemini、GLM、Claude 等），只需在配置文件中指定模型名称和调用方式即可。

运行环境要求 Linux + Python 3.12/3.13，配合 uv 包管理工具即可完成依赖安装，整体部署门槛相对较低。

2.3 性能评估与基准测试

Google 公开的实验数据显示，单次细化步骤即可在四种模型与三套基准上取得整体提升。最显著的案例是 GLM-5 在 OpenCode 基准上从 64.2 提升至 75.7，提升幅度达 11.5 分；而在 JobBench 上的提升相对有限，仅上升 1.2 分。

这些结果说明，Harness² 对不同模型的适配效果不一，受任务类型、原始提示质量等因素影响较大。

三、行业影响与应用场景

3.1 降低模型迭代成本

对企业而言，模型训练往往需要巨额算力投入和专业团队。Harness² 提供了一条“无需改模型、只改系统”的路径，让已有模型在实际业务中持续优化，显著降低了迭代成本。

3.2 加速开放世界 AI 代理落地

在客服、代码生成、数据分析等需要面对未知任务的场景，传统的“先验知识+固定提示”方案常常失效。Harness² 的递归调优能够让代理在面对新任务时快速适配，提高了系统的鲁棒性和用户体验。

3.3 对竞争格局的潜在冲击

随着 Google 开源该框架，业界可能出现一波围绕 “harness 优化” 的工具链竞争。其他云厂商若能提供类似或更易集成的解决方案，将在 AI 代理生态中抢占先机。

四、使用指南与注意事项

4.1 快速上手步骤

1. 准备 Linux 环境，安装 Python 3.12/3.13 与 uv。
2. 克隆 Harness² 项目仓库并执行 uv sync 安装依赖。
3. 在 config.yaml 中配置 Vertex AI 的模型名称、项目 ID 与区域。
4. 根据业务需求实现或选用已有的 Prompt Generator、Tool Selector 等组件。
5. 运行 python run_agent.py，观察 Metrics Collector 输出的评估指标。
6. 根据反馈循环自动生成的改进建议，迭代更新 harness 配置。

4.2 可能的局限性

• GPU 需求未知：官方未披露对显卡的具体要求，实际运行时可能需要较高的算力。
• 对任务分布敏感：在高度专业化或数据稀缺的任务上，递归调优的收益可能有限。
• 安全与合规风险：自动生成的工具调用或提示可能触及敏感信息，需要做好审计与限制。

4.3 行动建议

如果你正考虑在现有 AI 代理项目中提升性能，却又受限于模型升级成本，建议先在测试环境中部署 Harness²，观察其对关键指标（如响应准确率、任务完成时间）的影响。对于表现突出的改进点，可逐步迁移到生产环境。

同时，保持对模型调用费用的监控，因为递归调优可能增加调用次数，导致成本上升。

五、展望：从“模型中心”到“系统中心”

Harness² 的发布标志着 AI 开发思路的一个转折点：不再单纯追求更大的模型，而是把注意力转向模型周边的系统设计。未来，随着更多开源工具的涌现，AI 代理的自适应能力将进一步提升，企业也能在保持成本可控的前提下，快速响应业务需求的变化。

对于技术团队而言，学习如何构建高效的 harness、设计合理的反馈回路，将成为提升 AI 竞争力的关键技能。