Google Research 开源了 Harness²，一个递归优化 agent 外壳的框架。它保持模型权重不变，通过当前任务中的执行差异改进外壳，再把有证据支持的经验用于后续任务。据项目 README 披露的发布方自测结果，单步优化已让 GLM-5 和 Gemini 3.5 Flash 在所测配置中超过各自的基础外壳。
README 将 harness（外壳）定义为模型周围使其能够作为 agent 工作的系统，包括提示词、工具、记忆、skills 和编排等。Harness² 面向的「开放世界」，是指 agent 会遇到外壳设计时未见过的任务。
第一层是任务级递归，采用「提出—试探—组合」（Propose–Probe–Compose）流程：先提出修改，在同一任务上试探修改的效果，再根据不同执行之间的行为差异，组合出改进后的外壳。这一过程不需要标准答案反馈。
第二层是外壳优化级递归。每个任务结束后，系统将采用的外壳和有证据支持的经验写入持久保存的 improvement harness，用来指导后续优化。
框架开放了 8 类可编辑组件：系统提示、护栏、记忆、工具说明、子 agent、skills、脚本和插件。任务级递归可并行探索多个候选外壳，也可串行执行多个优化步骤，逐步积累改进结果与执行证据。
据发布方自测，在三个专业基准、四种模型与外壳配置上，单步 Harness² 带来的提升包括：WorkBuddy-Bench 最多提升 11.5 分，JobBench 提升 4.5 分，LAB 的部分通过率提升 11.8 个百分点。README 还称，增加任务级递归预算可带来进一步提升。
发布版支持上述三个基准，以及 OpenCode、Codex 两种执行器。默认执行器为 OpenCode，可用 --substrate cx 切换至 Codex。
安装要求为 Linux、Python 3.12 和 uv；运行模型基准还需 Node.js 20+、Google Cloud CLI，并配置 Vertex AI 项目与模型 ID。LAB 另需 Pandoc 和 Poppler，WorkBuddy-Bench 另需 Docker。
README 提醒，执行器的网络访问不受限，Codex 运行时关闭沙箱。由于公开基准的评分细则可能在网上获取，评测前应配置网络限制，防止访问基准答案和评分标准。
Harness² 以 Apache 2.0 许可开源。项目同时声明，它不是 Google 官方支持的产品，也不在 Google 开源软件漏洞奖励计划范围内。
