Google Cloud AI Research 開源咗一套叫 Harness² 嘅框架，以 Apache 2.0 授權，據 Startup Fortune 報導喺 10 月 9 日釋出。呢個嘅賣點唔係改底層模型，而係俾 AI 代理（agent）自己改寫模型外圍嗰層「外殼」——提示詞、工具、記憶、子代理呢啲嘢——嚟提升表現。呢個就係所謂 recursive agent harnessing，即插即用。
Google 嘅講法係，LLM 代理嘅能力唔單止靠底層模型，仲要靠執行框架（harness）。而喺真實環境跑自動改進（recursive self-improvement）有兩個難題：真實任務往往係 harness 設計階段冇見過、測試嗰陣仲好新奇，冇真值（ground-truth）可以驗證；另外 RSI 流程同特定流程綁得太緊，好難推廣到別嘅場景。
Harness² 嘅做法係分兩層遞歸。任務層針對單一任務，用三步 Propose-Probe-Compose：第一步提出 2 項修改（1 項針對一般弱點、1 項針對特定任務），第二步喺相同條件跑兩個版本、同基準比對行為，第三步淨係保留有行為差異佐證嘅修改——成個流程唔需要標準答案。第二層 Harnessing 層由 Reflector 記錄修改成果同經驗，形成經驗庫嚟帶下一批任務。
成個 framework 開放 8 個可編輯部分：系統提示詞、護欄、記憶、工具指引、子代理、技能、腳本同外掛。
測試數字要留意：呢啲全部係作者自報，Startup Fortune 自己講無法與論文或程式庫核對。用 Gemini 3.5 Flash 同 GLM-5 做執行代理、由 Claude Opus 4.8 做編輯模型，單輪改進後 WorkBuddy-Bench 提升最多 11.5 分、JobBench 4.5 分、法律代理基準 LAB 部分通過率 11.8 個百分點；加遞迴後再分別提高 3.9、4.2、6.7 分，但遞迴帶來嘅係逐步縮小嘅增幅，唔係持續疊加。
要玩呢個嘅限制：唔係 Google 官方支援產品；要 Linux、Python 3.12 同 uv，模型運算會計 API 費用。README 特別警告：執行代理嘅網路存取唔受限制、Codex 執行時沙箱係停用狀態，而公開基準測試嘅評分標準可能喺網上揾到，所以要自己先設好網路限制先跑評測。
阿調搞兩下
「AI 自己改自己」呢個講法好靚，但拆解落嚟：改嘅唔係模型權重，係外圍 prompt 同工具配置。呢個係一個挺實嘅方向——唔使花大錢重訓模型，靠調外殼就能提升成功率。但成績全部係作者自報、未獨立核對，加上非官方支援、沙箱仲停用，要上生產環境先要自己兜底。呢個嘅「自我演進」，到底係真嘅能力升級，定係一輪好精緻嘅 prompt 工程？
阿調｜深度調教
