Xudong Han(@Xudong07452910):推荐 Google Research 刚刚开源的 Harness² ，前几天也解读过它的论文。它会让 Agent 自己尝试修改 Prompt、Skill、Memory 等配置，在同一个任务上反复运行、对比效果，找到更合适的工作方式。除此之外，它还会把改进经验保留下来，供后续任务参考。实验中，WorkBuddy-Bench 单轮优化最高提升了 11.5 分。当然，反复试错的成本和经验能否稳定迁移，还需要进一步验证。像我们平时做 Agent，很多时间都花在调 Harness 上。如果这套试错和经验积累能逐渐自动化，确实很有价值。 GitHub：

2026.10.18 10:45

推荐 Google Research 刚刚开源的 Harness² ，前几天也解读过它的论文。它会让 Agent 自己尝试修改 Prompt、Skill、Memory 等配置，在同一个任务上反复运行、对比效果，找到更合适的工作方式。除此之外，它还会把改进经验保留下来，供后续任务参考。实验中，WorkBuddy-Bench 单轮优化最高提升了 11.5 分。当然，反复试错的成本和经验能否稳定迁移，还需要进一步验证。像我们平时做 Agent，很多时间都花在调 Harness 上。如果这套试错和经验积累能逐渐自动化，确实很有价值。 GitHub：