北京
为什么同样的大模型，换个外围框架，Agent 的表现就能差出一截？Google 开源的 Harness² 给出的思路是：别只盯着模型权重微调，把自递归进化机制直接做进 Agent 的系统外围架构里。
这套框架的核心，是让 Agent 在面对未知任务时能自我迭代、持续学习。它把 Agent 系统外围架构规范为 8 大核心组件，提供统一的设计蓝图：
- System prompt
- Guardrails
- Memory
- Tool guidance
- Subagents
- Skills
- Scripts
- Plugins
真正有意思的是它的双层递归机制。第一层是 Task-level Recursion，通过 Propose-Probe-Compose 机制，让 Agent 在开放世界里主动提出修改方案，再组合出最佳执行策略。说白了，Agent 不再只是被动执行，而是会先提方案、再试探、最后拼装。
第二层是 Harnessing-level Recursion，把硬核解法固化成可复用的 Skills。这一步的意义在于沉淀——一次解决过的问题，不必每次从零再来，而是变成可调用的能力模块。
还有一个容易被忽略的点：跨模型迁移性。优秀的 Harness 框架可以迁移到其他模型上，实现性能跃升。这背后是“自适应系统”的理念——外围架构的价值不该绑死在某一个模型上，换个底座还能继续用。
把这几件事串起来看，Harness² 跳出了“卷模型权重微调”的传统路径。模型权重是重活，改一次成本高、周期长；而外围架构的进化，改的是 Agent 怎么组织记忆、怎么调用工具、怎么拆分子任务、怎么复用技能。这些组件调好了，Agent 在开放世界里的自我迭代才有落脚点。
对做 Agent 的开发者来说，8 大组件这份清单本身就是一份设计检查表：你的 Agent 有没有明确的 Guardrails？Memory 是怎么组织的？Skills 能不能复用？Subagents 怎么分工？这些问题不解决，模型再强也容易在真实任务里翻车。
Google 这次开源，把 Harness 从“各家自己摸索的工程细节”推向了“有统一蓝图的系统设计”。自递归进化能不能真的让 Agent 在开放世界里越跑越强，还得看实际落地，但至少方向摆出来了：与其死磕权重，不如先把外围架构的递归机制搭对。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
