📌 项目日期：2026年11月 | 数据来源：GitHub官方仓库 | 星数：22,789+ | 协议：Apache-2.0 | 附arXiv论文
Google Research 一个月拿下 2.3 万星的新框架：Harness²——Recursive Agent Harnessing for an Open World。先解释名词：harness是让模型成为Agent的那套外围系统（提示词、工具、记忆、技能、编排），harnessing是优化这套系统的过程。Harness² 的主张：模型权重保持不动，用两层递归自动优化harness——任务级递归细化当下执行，系统级递归跨任务沉淀经验，让Agent面对"设计时没见过的任务"即来即战。
它把"harness优化"从手工玄学变成了有论文、有基准的工程学科——与 ECC（全家桶harness）、Spec Kit（流程规范） 代表的"手工调优"路线形成方法论代差。
| 机制 | 说明 |
|---|---|
| 任务级递归 | 执行中细化当前任务的harness（工具组合/提示词/步骤） |
| 系统级递归 | 跨任务沉淀harness改进，开放世界泛化 |
| 权重冻结 | 不动模型权重——纯harness层优化，小团队也能玩 |
| 即插即用 | 与模型/Agent栈解耦，接上就用 |
uv pip install -e ".[render]"
harness2-setup jb # 配置JobBench基准
harness2 --bench jb --k 1 --mode parallel
# 基准指南：docs/BENCHMARKS.md
# 论文：arxiv.org/pdf/2610.14224
# 网站：harness2.github.ioGoogle Research的开源框架（22.8k星，Apache-2.0，附arXiv论文）：plug-and-play的"递归Agent Harnessing"——harness是让模型成为Agent的外围系统（提示词/工具/记忆/技能/编排），Harnessing是优化这个过程。它在开放世界（任务在设计时没见过）里做两层递归优化，且保持模型权重不动。
任务级递归细化执行harness，系统级递归跨任务沉淀改进——两层联动，让harness随使用自动变强。
uv pip install -e ".[render]" 安装，harness2-setup jb 配置JobBench基准，harness2 --bench jb --k 1 --mode parallel 运行；基准指南在docs/BENCHMARKS.md。