谷歌开源Harness²：让AI自己改进工具链，GLM-5跑分提高11.5分

动察 Beating AI 快讯，Google Research 开源了 Harness²，让 AI Agent 在不重新训练模型的情况下，自动修改系统提示词、记忆、Skills、工具规则，甚至脚本和插件。项目采用 Apache 2.0 协议，支持 OpenCode 和 Codex。

它的核心是让 Agent 自己试错。遇到新任务时，系统会先提出几套改进方案，再让不同版本的 Agent 分别执行，比较它们的表现，最后组合出更合适的方案。

即使没有标准答案，也能根据实际执行过程寻找改进方向。任务结束后，系统还会记住哪些修改有效、为什么有效，下次遇到类似问题时继续参考，而不是每次都从头摸索。

谷歌使用 GLM-5 和 Gemini 3.5 Flash 进行了测试。在 WorkBuddy-Bench 上，GLM-5 搭配 OpenCode，仅经过一轮优化，平均成绩就从 64.2 分提高到 75.7 分，超过未优化的 Gemini 3.5 Flash 的 72.4 分。在法律任务测试中，GLM-5 的部分评分标准通过率也从 59.6% 升至 71.4%。

不过，实验中默认由 Claude Opus 4.8 负责提出和实施改进，GLM-5 和 Gemini 主要负责执行任务，并不是它们完全依靠自己实现了进化。

国内开发者 Joseph Zhou 也展示了 Harness² 接入 Jev 1.14 的实验，称视觉任务表现持续改善。