Harness²: фреймворк Google Research, де агент переписує власний харнес

Що таке Harness²

Харнес - це все навколо моделі, що робить її агентом: промпти, інструменти, пам'ять, навички, оркестрація. Harness² вважає саме цю обв'язку об'єктом оптимізації за незмінних ваг і поєднує два рівні рекурсії. Рекурсія рівня задачі уточнює виконавчий харнес під поточну задачу через контрастний крок Propose-Probe-Compose: запропонувати правки, перевірити їхній ефект на тій самій задачі й скласти покращений харнес з поведінкових контрастів між запусками - без еталонних відповідей. Рекурсія рівня харнесингу оновлює постійний "покращувальний харнес" прийнятими харнесами та підкріпленими доказами уроками з кожної задачі, тож покращення накопичуються між задачами, яких система ніколи не бачила. Редагованих компонентів вісім: системний промпт, гардрейли, пам'ять, підказки щодо інструментів, субагенти, навички, скрипти та плагіни.

Ліцензія, популярність, підтримка

У репозиторії лежить Apache License 2.0 - перевірено читанням LICENSE напряму. Сигнал популярності сильний, але дуже молодий: 9 061 зірка і 796 форків на 19 жовтня за дати створення 6 жовтня, тож вважайте це увагою до запуску, а не усталеним впровадженням. Поки що в репозиторії два видимих контриб'ютори, основні коміти від rux001, і 72 відкритих іш'ю. Це репозиторій google-research, що зазвичай означає дослідницький артефакт без зобов'язань щодо підтримки, а не продукт; є й супутня стаття, arXiv 2610.14224.

Реальність встановлення

Задокументований шлях: Linux, Python 3.12 і uv - створити venv, поставити з екстра-render і запустити harness2-demo, яке проганяє обидва режими рекурсії з детермінованими редакторами та справжніми запусками Python і не потребує ключів. Це чесний спосіб глянути на механіку. Бенчмарки з моделями важчі: Node.js 20+, Google Cloud CLI, проєкт Vertex AI та ID моделей у .env, плюс application-default credentials через gcloud. Юридичний бенчмарк LAB додатково потребує Pandoc і Poppler; WorkBuddy-Bench потребує Docker. README попереджає, що прогони з моделями коштують грошей за API, і радить починати з малого набору задач; прапор --dry-run показує вибір задач без викликів моделі.

Нотатки про приватність і безпеку

Демо працює локально без ключів, тож перший погляд нічого нікуди не надсилає. Прогони з моделями - інша справа: задачі, правки харнеса та виконання йдуть через ваш проєкт Vertex AI, тобто будь-які дані в задачі бенчмарка їдуть у Google Cloud під вашим акаунтом і за ваш рахунок. WorkBuddy-Bench працює в Docker: це ізолює виконання, але й віддає фреймворку контейнерний рантайм на вашій машині. До фреймворку, чия суть - переписувати власні гардрейли та субагентів, варто ставитися обережніше за звичайне: читайте, що робить запропонована правка харнеса, перш ніж пускати її до справжніх ключів, і тримайте накопичені "уроки" покращувального харнеса подалі від чутливих проєктів, доки не зрозумієте, що саме він зберігає.

Чому це потрапило в дайджест

Більшість агентських фреймворків змагаються в тому, що модель може викликати. Harness² змагається в тому, що система може переписати в самій собі, і приносить невигадливі деталі, які роблять це твердження перевірним: демо без ключів, названі бенчмарки з кроком судді та звіту і чесне попередження про витрати. Відкрите питання, за яким я б стежив, - контрастний крок: композиція правок із поведінкових контрастів без еталону - рівно те місце, де фреймворк може непомітно навчитися заохочувати багатослівні або вдалі прогони. Репозиторій дає інструменти побачити це самому, а це більше, ніж може сказати більшість запусків цього місяця.