Agent 漏读文件，你提醒它补；生成的表格打不开，你让它重做。任务完成了，但下次遇到类似问题，它还可能再踩一遍坑。

Google Research 开源的 Harness²，尝试让这些返工留下点东西：模型权重不变，Agent 自己调整提示词、Skills、脚本、工具说明等组件，并积累“怎么改才有效”的经验。

核心流程分三步：Propose → Probe → Compose，提出修改、实际试跑、组合改动。

举个例子，让 Agent 合并多份表格。一个改进方向是增加文件清单，避免漏读；另一个方向是补充字段映射，避免混淆“销售额”和“回款额”。

两个候选版本分别执行，系统观察：文件是否读全了？字段是否区分了？有没有引入新问题？再根据执行证据，将值得保留的改动组合起来。

优化过程不依赖标准答案，但能从行为差异中寻找改进线索。当然，漏读问题消失，不代表报告的结论全部正确。

名字里的“平方”，重点在第二层：任务结束后，系统会保存被采用的完整 Harness，以及适用情境、改进经验和支持证据，指导同领域的后续任务。

这里有个很好的边界：新任务仍从初始 Harness 出发，再选择性参考历史经验，避免把上一项任务的特殊规则全部带过来。

项目报告，一轮优化在特定Bench上的最高增益达到 11.5 分。

但“一轮”包含候选试跑和组合等过程，会增加调用成本，不能理解为免费变强。

也别把它直接等同于模型无限自我进化：权重没有更新，改进算法没有自动重写，持续积累的是组件与经验。

我更在意的是另一件事：一次任务结束，除了交付物，还能不能留下一段可复用脚本、一条有证据的经验，或者一次值得记住的失败？

但经验也需要被检验。错误答案可能影响一次交付，错误的改进经验，却可能影响后面一串任务。

让 Agent 从工作中积累能力，关键就在于：留下哪些东西，又如何判断它们值得留下。

#AI #Google #Harness #Agent #智能体 #自我进化 #开源项目 #Harness2 #AI反常识howto