Harness²: המסגרת של Google Research שנותנת לסוכן לשכתב את הרתמה של עצמו
פורסם ב-6 באוקטובר, Apache-2.0: Harness² מלטש את המערכת סביב מודל קפוא - פרומפטים, כלים, זיכרון, מיומנויות - דרך לולאת Propose-Probe-Compose מנוגדת ורתמת שיפור מתמשכת. 9,061 כוכבים ו-796 מזלגות ב-19 באוקטובר. הדמו לא דורש מפתחות; מבחנים אמיתיים רוצים Vertex AI וכסף על API.
העובדות נבדקו ב-19 באוקטובר 2026
ב-6 באוקטובר Google Research פרסמה ב-GitHub את Harness²: מסגרת plug-and-play ל"רתימת סוכנים רקורסיבית", שבה הסוכן משכתב את המערכת סביב מודל קפוא - פרומפטים, כלים, זיכרון, מיומנויות - עבור כל משימה חדשה. המאגר תחת Apache-2.0, וקראתי זאת בקובץ ה-LICENSE עצמו. בבדיקה מ-19 באוקטובר הוא הציג 9,061 כוכבים ו-796 מזלגות עם 72 בעיות פתוחות, שלושה עשר ימים אחרי היצירה. הדמו המקומי לא דורש מפתחות מודלים; מבחני ביצועים אמיתיים דורשים פרויקט Google Cloud ועולים כסף ב-API. לא התקנתי ולא הרצתי. המאגר
מה זה Harness²
"רתמה" (harness) היא כל מה שמסביב למודל שגורם לו לפעול כסוכן: פרומפטים, כלים, זיכרון, מיומנויות, תזמור. Harness² מתייחס למערכת המקיפה הזו עצמה כאל מושא האופטימיזציה בזמן שמשקלי המודל נשארים קבועים, ומחבר שתי רמות של רקורסיה. רקורסיה ברמת המשימה מלטשת את רתמת הביצוע למשימה הנוכחית דרך צעד מנוגד Propose-Probe-Compose: להציע עריכות, לבדוק את השפעתן על אותה משימה, ולהרכיב רתמה משופרת מניגודים התנהגותיים בין הרצות, בלי משוב של תשובות נכונות. רקורסיה ברמת הרתימה מעדכנת "רתמת שיפור" מתמשכת עם רתמות שאומצו ולקחים מגובי ראיות מכל משימה, כך ששיפורים נצברים בין משימות שהמערכת מעולם לא פגשה. המסגרת חושפת שמונה רכיבים לעריכה: פרומפט מערכת, מעקות הגנה, זיכרון, הדרכת כלים, תת-סוכנים, מיומנויות, סקריפטים ותוספים.
רישיון, פופולריות, תחזוקה
המאגר נושא את Apache License 2.0, ואומת בקריאת קובץ ה-LICENSE ישירות. אות הפופולריות חזק אבל צעיר מאוד: 9,061 כוכבים ו-796 מזלגות ב-19 באוקטובר מול תאריך יצירה ב-6 באוקטובר, אז תתייחסו לזה כתשומת לב של השקה ולא כאימוץ מבוסס. בינתיים נראים במאגר שני תורמים מוזכרים, עם קומיטים עיקריים מ-rux001, ו-72 בעיות פתוחות. זהו מאגר של google-research, שמשמעותו בדרך כלל חפץ מחקרי בלי התחייבות תמיכה ולא מוצר; מלווה אותו גם מאמר, arXiv 2610.14224.
מציאות ההתקנה
הנתיב המתועד הוא Linux, Python 3.12 ו-uv: יוצרים venv, מתקינים עם תוספת render ומריצים את harness2-demo, שמתאמן בשני מצבי הרקורסיה עם עורכים דטרמיניסטיים והרצות Python אמיתיות ולא דורש מפתחות. זו הדרך הישרה לראות את המנגנון. מבחנים מגובי-מודלים כבדים יותר: Node.js 20+, שורת הפקודה של Google Cloud, פרויקט Vertex AI ומזהי מודלים בקובץ .env, ועוד application-default credentials דרך gcloud. מבחן LAB המשפטי דורש גם Pandoc ו-Poppler; WorkBuddy-Bench דורש Docker. ה-README מזהיר שהרצות מגובות-מודלים עולות כסף ב-API וממליץ להתחיל ממבחר משימות קטן; דגל --dry-run מציג את בחירת המשימות בלי קריאות למודל.
הערות פרטיות ואבטחה
הדמו רץ מקומית בלי מפתחות, כך שמבט ראשון לא שולח שום דבר לשום מקום. הרצות מגובות-מודלים הן סיפור אחר: משימות, עריכות רתמה והרצות זורמות דרך פרויקט Vertex AI שלך, כך שכל מידע במשימת מבחן הולך ל-Google Cloud תחת החשבון והחיוב שלך. WorkBuddy-Bench רץ ב-Docker, מה שמבודד ביצוע אבל גם נותן למסגרת סביבת קונטיינרים על המכונה שלך. מסגרת שכל כולה שכתוב מעקות ההגנה ותת-הסוכנים של עצמה ראויה לזהירות מוספת: קראו מה עושה עריכת רתמה מוצעת לפני שמריצים אותה מול מפתחות אמיתיים, והרחיקו את ה"לקחים" הנצברים של רתמת השיפור מפרויקטים רגישים עד שתבינו מה בדיוק היא שומרת.
למה זה נכנס לדוח
רוב מסגרות הסוכנים מתחרות על מה שהמודל יכול לקרוא לו. Harness² מתחרה על מה שהמערכת יכולה לשכתב בעצמה, ומביאה את החלקים הלא זוהרים שהופכים את הטענה לבדיקה: דמו בלי מפתחות, מבחנים בשמם עם שלב שיפוט ודיווח, ואזהרת עלויות מפורשת. השאלה הפתוחה שכדאי לעקוב אחריה היא הצעד המנוגד: הרכבת עריכות מניגודים התנהגותיים בלי תשובה נכונה היא בדיוק המקום שבו מסגרת יכולה בשקט ללמוד לתגמל הרצות מילוליות או ברות מזל. המאגר נותן לך את הכלים לראות את זה בעצמך, וזה יותר ממה שרוב ההשקות של החודש יכולות להגיד.