递归式AI Agent进化：谷歌Harness²框架开源带来的新思路

当大模型能力趋于稳定，Agent系统的竞争焦点正从模型本身转向外部编排能力。谷歌研究团队近期开源的Harness²框架引发了开发者社区的广泛关注，它试图回答一个核心问题：能否在不修改模型权重的前提下，让AI Agent通过持续优化外部组件实现自我进化？这一思路与当前国内主流的模型微调路线形成了有趣的技术分野，为企业级AI Agent开发提供了另一种可能的演进路径。

外部组件驱动的递归进化

Harness²全称为「面向开放世界的递归智能体Harness」，其核心设计是将Agent能力提升的责任从模型层转移到外部组件层。该框架定义了8类可修改组件：系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件。这些组件共同决定了Agent如何构建上下文、调用工具、委派任务以及在多轮交互中完成复杂工作。关键在于，这套框架并不要求开发者具备模型训练能力，而是将优化空间锁定在外部编排层面。

双层递归机制的工作原理

Harness²最核心的技术创新在于两层递归机制。第一层是任务级递归：当Agent遇到未见过的任务时，系统会生成多个Harness修改方案，让不同版本并行执行同一任务，观察行为差异，最后组合出更优方案。值得注意的是，该框架不依赖标准答案，而是通过实际执行证据来判断修改效果。第二层是Harnessing级递归：系统维护一个持续存在的Improvement Harness，将此前验证有效的经验保存下来，用于指导后续优化。这两层递归形成闭环：面对任务、修改执行方式、运行验证、保留经验、再指导下一轮调整。

实测效果与工程落地挑战

从国内开发者Joseph Zhou的实测反馈来看，将Harness²接入Jev 1.14后，视觉任务表现得到大幅提升，且全程未调整模型权重。在谷歌研究团队的Benchmark测试中，仅进行一步优化，WorkBuddy-Bench成绩最高提升11.5分，JobBench最高提升4.5分，LAB部分通过率最高提高11.8个百分点。然而，框架作者也坦承Harness工程面临三重现实挑战：Eval评估的全面性（不能仅看最终答案，还要监控Token消耗、延迟和执行轨迹）、回归测试的重要性（防止新能力提升导致历史能力退化）、以及成本控制的必要性（每增加一轮递归都意味着更多模型调用和计算资源消耗）。

AutoHarness与持续进化实践

随着Harness概念的成熟，学术界和开源社区开始探索AutoHarness方向。Self-Harness让Agent从自身执行Trace中识别失败模式，自主提出最小化Harness修改。Adaptive Auto-Harness则不再维护单一Harness，而是建立Harness Tree，根据任务类型动态选择不同方案。Prime Intellect开源的Prime Agent进一步将自我改进能力做进产品层，支持Agent根据执行经验对提示词、记忆、Skill和子智能体进行持续修改。国内开发者在实践中也发现，8个月、883次提交构建一套Harness的经历说明，维护成本可能成为新的瓶颈，因此当前趋势更强调形成完整的反馈循环：发现失败、理解失败、尝试修改、验证修改，并在无收益时及时回滚。

Harness²的开源为AI Agent开发提供了一条不依赖模型训练的进化路径，但其工程落地仍需在Eval体系、回滚机制和成本控制之间找到平衡。对于企业而言，关键在于建立持续的任务观测能力，而非追求一步到位的最优Harness配置。开源社区的探索已经表明，外部组件的工程化能力正在成为Agent系统的核心竞争力。