谷歌开源Harness²框架：不微调模型也能让AI智能体自主进化工作流

大模型的能力边界固然重要，但真正决定智能体实战表现的，往往是围绕模型搭建的那套外围系统：提示词、工具指引、记忆机制与工作流调度。谷歌研究团队近期开源了基于Apache 2.0协议的Harness²框架，其核心突破在于：完全不改变底层大模型权重，就能让AI智能体在执行任务的过程中动态修改和迭代自己的外围配置，实现能力的自我进化。这为企业级智能体开发提供了一条绕开高昂微调成本的新路径。

模型之外的外围系统决定智能体上限

在智能体开发领域，Harness指围绕底层大模型搭建的一整套外围设施。如果把模型比作AI的大脑，Harness就是它的神经系统与手脚。传统框架通常要求开发者手工设计并反复调试各种提示词与工具调用逻辑，一旦遇到未曾见过的复杂新任务，这套固定配置往往会成为AI能力的天花板。Harness²（全称Recursive Agent Harnessing for an Open World）改变了这一范式：它以递进式架构让外围系统本身成为可被智能体自主优化的对象。

八大可编辑组件重构上下文与工具链

Harness²将智能体外围可调整的结构拆解为8个以文件形式呈现的可编辑组件：System Prompt定义核心角色与行为模式，Guardrails设定边界与合规限制，Memory管理长短期上下文的存储检索，Tool Guidance指导工具与API的高效使用，Subagents负责任务调度分发，Skills沉淀可复用的执行步骤，Scripts承载自动化代码逻辑，Plugins扩展工具循环中的交互方式。通过这组组件，框架能精准调控上下文构建、工具接口代理、任务委派及多轮工具循环的实际行为。

Propose–Probe–Compose递归进化机制

真实企业场景中，绝大多数任务并没有标准答案或完美的验证器来打分，Harness²如何判断一次修改的好坏？它采用双层递归机制：任务级递归包含三个步骤——Propose（提出）阶段并行生成通用缺陷修改与特定领域修改两路方案；Probe（探测）阶段在相同任务下实际运行，记录行为轨迹与差异；Compose（组合）阶段仅保留有实际执行证据支持的有效修改，生成新的Harness。这套用运行时计算换取成功率的思路，让外围系统在缺乏监督信号的开放环境中也能持续定向进化，而非盲目试错。

谷歌团队在多个专业评估集上实测，以Gemini 3.5 Flash和GLM-5作为执行引擎、Claude Opus作为Harness编辑器：WorkBuddy-Bench上仅需1轮优化，GLM-5在OpenCode环境下得分就从64.2提升至75.7，涨幅11.5分；JobBench成绩最高提升4.5分；法律评估Harvey's LAB部分通过率最高提升11.8个百分点。进一步增加递归搜索深度与并行探索后，性能仍可继续提升。这些数据证明，大量模型潜力原本被固定的外围配置所抑制，通过上下文工程与动态Harness迭代即可有效释放，其成本远低于重新训练或微调。

Harness²的开源为智能体工程指出了一个清晰方向：与其执着于微调模型本身，不如把精力投入能自动自我演化的外围系统。对于正在构建企业级智能体应用的团队而言，这种运行时自我优化的思路，值得纳入下一阶段的架构设计与选型考量。