Google Research открыла Harness² для самооптимизации ИИ-агентов

Google Research 6 октября открыла Harness² — open-source фреймворк для рекурсивной оптимизации окружения ИИ-агента без переобучения базовой модели. Вместо изменения весов он перебирает правки в обвязке: системном промпте, памяти, инструкциях к инструментам и других элементах контура агента.

В основе лежит цикл Propose–Probe–Compose: система предлагает изменение, проверяет его на той же задаче и принимает только те правки, которые улучшают поведение без эталонного ответа. По README проекта, Harness² умеет оптимизировать 8 компонентов окружения, включая навыки, субагентов, скрипты и плагины.

Авторы заявляют улучшения до 11,5 балла на WorkBuddy-Bench и до 11,8 п.п. по LAB Partial для GLM-5 и Gemini 3.5 Flash. Отдельно в проекте описана «вторая рекурсия»: принятые конфигурации и подтвержденные опытом уроки можно переносить на следующие задачи. Код доступен на GitHub по лицензии Apache 2.0; проект требует самостоятельного развертывания и не подается как отдельный продукт Google.