- 11.5 分：在 WorkBuddy-Bench 測試中，單一 Harness² 步驟為模型帶來的最高分數提升。
- 4.5 分：JobBench 測試中錄得的最大分數進步。
- 11.8 個百分點：LAB 測試部分通過率的最大增幅。
- Apache 2.0：Harness² 採用的開源授權，開發者可自由使用與修改。
- Python 3.12：框架支援的開發環境版本，並相容現代化的 uv 套件管理工具。
- 3 加 4：驗證規模涵蓋 3 個專業標竿測試，以及 4 種模型與框架配置組合。
Google 研究團隊以 Apache 2.0 授權開源了一套名為 Harness² 的框架，核心主張是：AI 代理人的能力提升，不必靠修改模型底層權重，而是透過外掛的執行框架自我演進。這個想法如果成立，開發團隊將不再需要投入大量金錢與時間做模型微調。
Harness² 的全名是遞迴式代理人框架（Recursive Agent Harnessing for an Open World），定位為即插即用的自動化最佳化框架。它的使用場景是代理人在框架設計階段遇到全新任務時，用來提升其應對能力。Google 的論點是，大型語言模型代理人的表現不只取決於底層模型，執行框架本身同樣關鍵；團隊提出的遞迴式自我演進（recursive self-improvement，RSI）概念，就是讓框架自動變強。
Google 也坦言，在真實環境中落實 RSI 有兩大困難。第一，真實世界的任務往往是代理人在框架設計階段沒見過的，測試時也還很新奇，因此缺乏真值（ground-truth）來有效導引框架的修改方向。第二，RSI 的流程通常和特定流程高度綁定，很難推廣到新的應用場景。
Harness² 的解法是連結兩層遞迴。任務層遞迴針對單一任務：編輯器會依循提出、探測、組合三個核心步驟（Propose、Probe、Compose），生出多個候選方案，實際執行驗證後，只留下真正被行為證實有效的改進，整個過程不需要真值回饋。Harnessing 層遞迴則是經驗累積式的更新：任務完成後，反射器（Reflector）會記錄這次採用的框架修改成果與經驗教訓，形成經驗庫，指導未來代理人的任務執行。
在 Google 的驗證中，3 個專業標竿測試搭配 4 種模型與框架配置，單一 Harness² 步驟就改善了 GLM-5 與 Gemini 3.5 Flash 的任務表現：WorkBuddy-Bench 最高提升 11.5 分，JobBench 最高提升 4.5 分，LAB 測試的部分通過率最高增加 11.8 個百分點。
對開發團隊而言，最直接的意義是省錢省時間。不再需要為了提升任務成功率而反覆微調模型權重，開發者可以直接拿現成的基礎模型，例如 Gemini、GLM 等，透過調整外掛框架來達標。這把原本屬於大型實驗室的模型優化能力，下放到了一般開發團隊手上。
目前 Harness² 支援平行與序列遞迴、OpenCode 與 Codex 執行器，以及 JobBench、LAB、WorkBuddy-Bench 等測試。框架針對 Python 開發環境設計，支援 Python 3.12 與 uv 套件管理工具，開發者可以在本機快速跑測試，或透過設定 Vertex AI 專案與模型來執行測試。
值得關注的是，Harness² 採取 Apache 2.0 開源授權，意味著企業可以直接在商業產品中採用與修改。隨著 AI 代理人應用加速落地，這種「框架層自我演進」的思路，很可能成為繼提示工程、微調之後，第三條提升代理人表現的主流路徑。
從產業角度來看，Harness² 代表 AI 代理人優化的戰場正在從「模型」轉向「框架」。過去一年，提示工程與微調是提升代理人表現的主流手段；如今 Google 把框架層的自我演進開源，等於為所有開發者提供了一條新的優化路徑。對資源有限的中小型團隊來說，這無疑是個好消息：不用燒錢訓練模型，也能讓代理人越用越聰明。
