Ren(@Ryrenz):🧬 刚挂上 arXiv 的 Harness²，干的事是让 AI agent 自己把自己的提示、工具、记忆和技能调到最顺。仓库 10 月 6 日才建，12 天就攒了 3300 多 star，对应论文编号 arXiv 2610.14224，九位作者署名，代码挂在 google-research 名下（README 自己写明了它不是 Google 官方支持的产品）。现在调一个 agent 基本是人肉循环：跑一遍不行就改提示，再不行加个工具、塞点记忆，改完重跑，一天就这么没了。Harness² 把这个循环交给机器自己跑——模型权重一个字不动，它只动模型周围那套系统，靠「提出—探测—组合」三步在当前任务里反复试哪种配法更好。更有意思的是第二层：每个任务试出来的有效配法会被写进一个持续累积的方案库，下一个任务直接拿前面攒的经验开局，不用从零再试一遍。能动的部件有八个，系统提示、护栏、记忆、工具指导、子智能体、技能、脚本和插件都在里面，执行器支持 OpenCode 和 Codex。论文给的数字是：三个专业基准上，单次迭代最高把 WorkBuddy-Bench 提了 11.5 分，JobBench 提了 4.5 分，LAB 的部分通过率提了 11.8 个百分点，而且加大递归预算还能继续涨。以前是人给 agent 搭架子，现在架子开始自己长了。 GitHub：

2026.10.19 11:09

🧬 刚挂上 arXiv 的 Harness²，干的事是让 AI agent 自己把自己的提示、工具、记忆和技能调到最顺。仓库 10 月 6 日才建，12 天就攒了 3300 多 star，对应论文编号 arXiv 2610.14224，九位作者署名，代码挂在 google-research 名下（README 自己写明了它不是 Google 官方支持的产品）。现在调一个 agent 基本是人肉循环：跑一遍不行就改提示，再不行加个工具、塞点记忆，改完重跑，一天就这么没了。Harness² 把这个循环交给机器自己跑——模型权重一个字不动，它只动模型周围那套系统，靠「提出—探测—组合」三步在当前任务里反复试哪种配法更好。更有意思的是第二层：每个任务试出来的有效配法会被写进一个持续累积的方案库，下一个任务直接拿前面攒的经验开局，不用从零再试一遍。能动的部件有八个，系统提示、护栏、记忆、工具指导、子智能体、技能、脚本和插件都在里面，执行器支持 OpenCode 和 Codex。论文给的数字是：三个专业基准上，单次迭代最高把 WorkBuddy-Bench 提了 11.5 分，JobBench 提了 4.5 分，LAB 的部分通过率提了 11.8 个百分点，而且加大递归预算还能继续涨。以前是人给 agent 搭架子，现在架子开始自己长了。 GitHub：