google-research/harness2

Что это?

Ключевые возможности

• 01Рекурсия на уровне задачи улучшает harness с помощью Propose–Probe–Compose без обратной связи с эталонными ответами.
• 02Рекурсия на уровне harness поддерживает систему улучшений, где между задачами сохраняются принятые варианты harness и выводы.
• 03Параллельный и последовательный режимы рекурсии задают размах и глубину улучшений.
• 04Поддерживаются исполнители OpenCode и Codex.
• 05Включены интеграции с бенчмарками JobBench, LAB и WorkBuddy-Bench.
• 06Можно редактировать восемь компонентов harness: системный промпт, ограничения, память, инструкции для инструментов, субагентов, навыки, скрипты и плагины.

Сценарии использования

• Исследователи воспроизводят эксперименты по оптимизации harness на JobBench, LAB или WorkBuddy-Bench.
• Команды сравнивают варианты harness агента с фиксированной моделью на бенчмарках профессиональных задач.
• Разработчики изучают, как промпты, инструменты и оркестрация влияют на эффективность агента без переобучения модели.

Быстрый старт

1. 1

   Создайте виртуальное окружение Python 3.12

   uv venv --python 3.12 .venv
2. 2

   Активируйте виртуальное окружение

   source .venv/bin/activate
3. 3

   Установите пакет в editable-режиме с дополнительными зависимостями render

   uv pip install -e '.[render]'
4. 4

   Запустите локальную демонстрацию (учётные данные модели не нужны)

   harness2-demo --output runs/demo --k 2

Что важно знать

• !Для бенчмарков с использованием моделей требуется настроить Vertex AI и пройти аутентификацию в Google Cloud CLI; также могут потребоваться Docker, Pandoc и Poppler.
• !Запуски с использованием моделей приводят к расходам на API.
• !Сетевой доступ Executor не ограничен, поэтому для ответов бенчмарка может потребоваться заранее настроить сетевые ограничения.

Темы

Частые вопросы

Что такое harness2?

Python-фреймворк для рекурсивной оптимизации harness: он улучшает промпты, инструменты и оркестрацию вокруг неизменяемого LLM-агента для новых задач. Harness² — это фреймворк для улучшения системы вокруг языковой модели, которая выступает в роли агента. Эта система называется harness и включает промпты, инструменты, память, навыки и оркестрацию. Фреймворк не меняет веса модели, а оптимизирует harness, ориентируясь на задачи, с которыми агент не сталкивался при его разработке.

harness2 можно использовать бесплатно? Какая у него лицензия?

harness2 распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

harness2 всё ещё поддерживается?

Активно поддерживается. Последний коммит в harness2 — 14 окт. 2026 г..

Для чего можно использовать harness2?

Исследователи воспроизводят эксперименты по оптимизации harness на JobBench, LAB или WorkBuddy-Bench. Команды сравнивают варианты harness агента с фиксированной моделью на бенчмарках профессиональных задач. Разработчики изучают, как промпты, инструменты и оркестрация влияют на эффективность агента без переобучения модели.

Как установить harness2?

Создайте виртуальное окружение Python 3.12: uv venv --python 3.12 .venv Активируйте виртуальное окружение: source .venv/bin/activate Установите пакет в editable-режиме с дополнительными зависимостями render: uv pip install -e '.[render]' Запустите локальную демонстрацию (учётные данные модели не нужны): harness2-demo --output runs/demo --k 2

Где скачать harness2?

Исходный код и инструкции по установке — на GitHub: https://github.com/google-research/harness2