谷歌開源 Harness²，GLM-5 跑分提高 11.5 分

Google Research 開源 AI 工具鏈自改進框架 Harness²，使 AI Agent 在不重新訓練模型的情況下，自動修改系統提示詞、記憶、Skills、工具規則以及腳本和插件。項目採用 Apache 2.0 協議，支持 OpenCode 和 Codex。其核心機制是讓 Agent 自行試錯，遇到新任務時先提出幾套改進方案，再由不同版本的 Agent 分別執行並比較表現，最後組合出更合適的方案。

即使沒有標準答案，系統也可根據實際執行過程尋找改進方向。任務結束後，系統會記住哪些修改有效以及原因，供下次類似問題參考。谷歌使用 GLM-5 和 Gemini 3.5 Flash 進行測試。在 WorkBuddy-Bench 上，GLM-5 搭配 OpenCode，僅一輪優化後平均成績從 64.2 分提高到 75.7 分，超過未優化的 Gemini 3.5 Flash 的 72.4 分。

在法律任務測試中，GLM-5 部分評分標準通過率從 59.6% 升至 71.4%。實驗中默認由 Claude Opus 4.8 負責提出和實施改進，GLM-5 和 Gemini 主要負責執行任務，並非完全依靠自身實現進化。國內開發者 Joseph Zhou 展示了 Harness² 接入 Jev 1.14 的實驗，稱視覺任務表現持續改善。