谷歌开源 Harness²：Agent 自动递归优化自己的执行系统
aigclink · x · 2026-10-18
谷歌开源了 Agent 执行系统自动优化工具 Harness²，让 Agent 在执行任务过程中自动改进自身的工作系统，全程不训练模型、不修改权重。
优化的对象是围绕大模型的整套 Harness：System Prompt、工具、记忆、Skills、子 Agent、脚本、插件、编排机制等八类组件，把过去开发者反复尝试、修改、测试的人工调试过程，变成 Agent 自己可反复执行的自动优化。
核心是两层递归机制：
- 任务级递归：面对新任务时通过 Propose–Probe–Compose 循环优化——先提出多个 Harness 修改方案，再让不同配置实际执行同一任务观察行为差异，最后对比执行轨迹、综合有效改进，生成更适合当前任务的 Harness。
- Harness 级递归：任务完成后不仅保存结果，还保留采用的 Harness 及有执行证据支持的改进经验，用于指导后续任务的优化。
支持并行和顺序递归，兼容 OpenCode、Codex 等执行器，GitHub 上已获约 3k star。
所属事件:谷歌开源 Harness²：不改权重让 Agent 自我优化(6 条相关)→
「编程与Agent」频道最新
- AgentBase 开源 MCP 服务器：可搜索的智能体指令文件注册表 — modelcontextprotocol · 2026-10-19
- DGX Spark 自托管 AI 工程日志上线 MCP 检索服务 — modelcontextprotocol · 2026-10-19
- Berkeley团队发现:让Agent学会「遗忘」,探索任务成绩最高提升39% — burny_tech · 2026-10-19
- MCP 工具为 Claude Code 瘦身记忆，每轮上下文省 43% — MinniLabs · 2026-10-19
- Agent沙盒为何成了独立赛道:VM太慢,Lovable正自建gVisor运行时 — vboykis · 2026-10-19
- 独立开发者发布 Cohestry:自动串联笔记并经 MCP 喂给 AI 智能体 — Mindless_Might_9759 · 2026-10-19