Google Research 的开源项目 Harness²，尝试让 Agent 在执行任务时改进自己的工作方法：模型参数保持不变，自动调整提示词、Skills、工具使用说明、辅助脚本和记忆等配置。

它把这个过程拆成了两层。

第一层，针对当前任务改进。先用基础配置运行，收集执行记录和产物，再提出通用改进与领域相关改进。候选配置会被真正运行，根据不同版本的行为差异，组合出新的配置，再执行任务。整个过程可以并行探索多个方案，也可以沿着一个方案逐轮优化。

第二层，把经验留给后续任务。系统保存被采用的完整配置，以及改了什么、有什么证据、适用于什么情况。同领域的新任务可以参考这些记录，再针对当前需求调整，不必每次从零摸索。

一个直观的例子是仓库自带的账目汇总演示：基础脚本只统计正数，漏掉了负数金额；改进版本删除错误的过滤条件，再保存“求和时保留正负符号”的经验。这里的修改规则是预设的，主要用于展示流程，但能看出它如何把问题落实到具体脚本，而不只留下一段反思文字。

项目目前支持 OpenCode 和 Codex 执行器，提供办公、网页、代码与专业工作等任务的实验入口。适合用来研究 Agent 如何根据执行证据调整配置，以及如何积累可复用的工作经验；接入自己的业务仍需要编写任务适配层。

需要注意，“不依赖标准答案”指的是改进阶段，最终效果仍要独立评测。它可能选错方案，默认流程也不保证改进结果优于原始结果。同时，同一任务需要多次试跑，会增加时间和模型调用成本，更适合可以隔离执行、值得投入额外计算的复杂任务。

项目：github.com/google-research/harness2

HOW I AI 程序员