谷歌研究团队发布了一款名为Harness²的智能体框架，旨在通过不断调整系统提示词、记忆、工具指导、技能和子智能体等外部组件，提升AI智能体的能力，而无需改动模型的权重。这一框架目前已按照Apache 2.0协议在GitHub平台上开源，并支持OpenCode与Codex，其中OpenCode为默认设置，但用户也可以选择切换至Codex。谷歌研究团队指出，Harness²仍然是一个研究性质的项目，并不代表谷歌官方的产品。

Harness²的核心由八大组件构成，包括系统提示词、护栏、记忆、工具指导、子智能体、技能、脚本和插件，而这些组件共同决定了智能体如何建立上下文、调用工具、分配任务，以及在多次工具调用中完成工作。国内开发者Joseph Zhou在将Harness²接入Jev 1.14后，发现智能体的视觉任务表现有显著提升，且这一提升是在不改变模型权重的前提下实现的。他表示，系统可以通过动态调整自身的提示词、构建执行能力和积累经验来实现能力的增强。

Harness²的全称是“面向开放世界的递归智能体Harness”，其设计的核心在于两层递归机制。首先是“任务级递归”，当智能体遇到新的任务时，不仅依赖预先制定的固定策略，而是通过“提出—探测—组合”的方式，生成多种Harness修改方案，执行相同任务后对比观察它们的表现，最终组合出更优的Harness解决方案。此外，Harness²并不要求每个任务都有明确的标准答案，许多实际任务在企业环境中是没有唯一解的，因此Harness²更多依靠实时执行的观察来验证修改的有效性，并将这些经验运用于后续任务。

第二层递归被称为“Harnessing级递归”，即它保留先前的经验和执行证据，不会在任务完成后完全丢弃。而是建立一个持续存在的改善Harness，以指导后续的优化，形成一个循环：智能体处理任务、修改执行方式、验证结果并保留有效经验，进而引导后续的调整。谷歌研究团队已在JobBench、LAB和WorkBuddy-Bench等专业任务基准上，对Harness²进行了测试，基础模型包括GLM-5和Gemini 3.5 Flash。测试结果表明，仅通过一次Harness²优化，模型权重未改动的情况下，WorkBuddy-Bench成绩提升最高达11.5分，JobBench提升最高4.5分，而LAB的部分通过率也提高了11.8个百分点。随着任务级递归预算的增加，性能有望继续提升。

此外，Harness²提供了并行和顺序两种递归方式，前者旨在同时探索多种Harness策略，而后者则倾向于深入优化，即将上轮的优化结果和执行证据带入下一轮。然而，这种提升并非没有成本。每增加一轮递归，实际上会为相同任务运行更多候选智能体和模型调用，意味着在测试时增加计算量以换取更高的成功率。值得注意的是，Harness²的executor在当前默认情况下不限制网络访问，而Codex executor会关闭sandbox。官方提醒，在正式评测中需避免通过互联网获取公开基准的评分细则或答案，建议对网络访问进行适当的限制。

对于参加Harness开发并与多个生产团队合作的工程师Viv而言，Harness的构建显然不简单。他感慨道：“Harness真的很难做！”他强调，Harness并不能脱离模型独立设计，而是需要与模型和任务紧密匹配。在他看来，Harness不仅控制模型的行为，还能增强模型的已有能力，诸如钩子、控制提示词和自动上下文管理的机制都旨在帮助模型更稳定地完成特定任务。不过，不同模型对工具类型、提示词和问题拆解的需求各有不同。因此，为Claude优化的上下文管理和工具策略可能与其他模型并不相同。