换一个编码 Agent，提示词、工具和工作流程往往也得重做。谷歌研究团队开源的 Harness²，想把这层“脚手架”变成可复用、可比较的系统：它支持 OpenCode 和 Codex，能在不修改模型权重的情况下，调整系统提示词、记忆、工具指导、Skills、脚本等外部组件。项目采用 Apache 2.0 协议，但团队强调它仍是研究项目，并非谷歌正式支持的产品。
它最值得看的设计，是在没有标准答案的开放任务里，也让 Agent 尝试改进自己。系统先提出多个 Harness 修改方案，再让不同版本执行同一任务，通过执行轨迹的差异筛选、组合改动；任务结束后，又把有证据支持的经验留给后续优化。换句话说，竞争焦点不再只是“谁的模型更强”，还包括谁能更有效地组织模型工作。团队测试中，单步优化让 WorkBuddy-Bench 成绩最高增加 11.5 分；代价是更多候选运行和模型调用，且当前 Codex 执行器会关闭沙箱，实际使用仍需额外设置安全边界。