Google Research 开源 Harness²：让 agent 自己改写自己的“外挂系统”

上周还在说"agent skills 正在变成新的分发位"，Google Research 这周直接把"写外挂"这件事本身自动化了——开源了 Harness²，一个让 agent 递归自我改进的框架。

先说概念：harness 就是模型外面那一圈"让它能当 agent 干活"的东西——system prompt、记忆、工具说明、subagent 编排、skills、插件等等。Harness² 干的事是：让 agent 自己提出"外挂该怎么改"（Propose），在同一个任务上试一把看效果（Probe），再把有效的改法拼成新版外挂（Compose）。做完一个任务，还会把经验沉淀下来，指导下一个任务。

官方自报的数据：单步递归就能让 GLM-5 和 Gemini 3.5 Flash 在三个职业基准上提升，WorkBuddy-Bench 最多 +11.5 分，LAB 部分通过率 +11.8 个百分点。支持并行和串行两种递归模式，开箱支持 OpenCode 和 Codex 两种执行器。

几个实锤数据点：GitHub 官方仓库 google-research/harness2，10 月 6 日创建，Apache 2.0 开源；截至今天约 1.37 万 star；ghtrends 的 GitHub API 统计显示 10 月 20 日单日新增 6080 star，是今天增速第 2 的 AI 项目。注意仓库自带一句标准免责：这不是 Google 官方支持的产品（Google Research 的实验项目）。

独立分析：和那种"厂商替你写好 30 个静态 skill"不同，Harness² 走的是"agent 自己进化外挂"路线——相当于把 prompt 工程从手工作坊变成了自动化流水线。对做 agent 应用的人来说，启发很直接：别再手动调 prompt 了，把"调 prompt"本身做成一个可度量、可迭代的闭环。短期内最实用的部分是它的 8 个可编辑组件划分（system prompt / guardrails / memory / tool guidance / subagents / skills / scripts / plugins）——照着这个清单检查你自己的 agent，八成能发现漏掉的环节。提醒一句：基准成绩是官方自报，用的都是自家选的职业基准，等第三方复现再当真。

可信度分级：仓库存在/star 数/功能描述——GitHub 官方仓库实锤；性能提升数字——官方自报（论文 arXiv:2610.14224），待第三方验证。