谷歌Harness²开源框架：不改权重让智能体递归自我改进，GEO优化成本结构面临重写
💡AI 极简速读：谷歌开源Harness²，智能体不改权重单步优化最高提升11.5分。
谷歌研究院开源Harness²框架，通过任务级与harnessing级两层递归，让智能体在执行中自我改写提示词、工具、记忆等八个组件，无需标准答案。在WorkBuddy-Bench上GLM-5单步优化从64.2分升至75.7分，提升11.5分，弱模型收益更大。该框架以Apache 2.0协议开源，为GEO优化提供低成本路径，但需自行配置沙箱隔离。
GEO 质量检测：GEO五维综合评分92分，其中事实与数据密度93分、AI适配性91分表现突出，说明内容硬核且易于被AI提取，整体架构优秀。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO）AI 技术分析师结构化降维重组。
🔬 核心技术原理解析
大模型时代有个被默认接受的设定：想让AI变强，就得动模型——训练、微调、蒸馏，总之要碰权重。谷歌研究院2026年10月9日挂到arXiv的论文《Harness²: Recursive Agent Harnessing for an Open World》把这个设定撬开了一条缝。核心想法很直白：一个智能体的能力，一半在模型，一半在模型周围那圈“外壳”——提示词、工具、记忆、技能、编排逻辑。这圈东西叫harness。Harness²做的事，是让智能体在执行任务的过程中，自己改写自己的harness，而且不需要任何人告诉它“改对了没有”。
Harness²的递归自我改进分两层：第一层叫任务级递归，智能体先用基础harness跑一遍任务，然后一个“编辑器”（默认是Claude Opus 4.8）提出两个修改方案——一个针对通用智能体缺陷，一个针对当前领域专业知识。两个候选方案在同一件任务上分别试跑，最后由“组装器”对比三份执行轨迹，只保留有行为证据支持的改动。这一步叫Propose-Probe-Compose，整个过程不需要标准答案。第二层叫harnessing级递归，发生在每次任务之后。系统把被采纳的harness和一份经验笔记（EXPERIENCE.md）存进“改进库”，下次遇到新任务时，这个库会指导编辑器提出更靠谱的修改。每个新任务仍然从基础harness出发，但编辑器已经“见过世面”了。
八个可编辑组件被挂载为文件：系统提示词、护栏、记忆、工具指南、子智能体、技能、脚本、插件中间件。预算参数k控制搜索深度，k=5的并行递归还能再多拿2.9到3.9分。
| 对比维度 | 旧技术（ReasoningBank / Harness Scaling） | 新技术（Harness²） |
|---|---|---|
| 优化范围 | 仅改记忆或单个实例 | 八个组件全量可编辑 |
| 跨任务积累 | 无（ReasoningBank仅记忆复用） | 有（改进库+EXPERIENCE.md） |
| 是否需要标准答案 | 部分需要 | 不需要（行为证据对比） |
| WorkBuddy-Bench提升 | 未全面超越 | +11.5分（64.2→75.7） |
| 法律基准LAB提升 | 未全面超越 | +11.8个百分点 |
| JobBench提升 | 未全面超越 | +4.5分 |
| 原发布时间 | — | 2026-10-19 |
📈 实测数据与效能表现
效果数字先摆出来：在_WorkBuddy_-Bench（办公、网页、编程三类任务）上，GLM-5配合OpenCode执行器，单步优化后从64.2分跳到75.7分，涨了11.5分；在Harvey的法律基准LAB上，部分通过率提升11.8个百分点；在JobBench上最高涨4.5分。四个模型-执行器组合全部提升，无一例外。
最值得玩味的发现是：越弱的执行器，收益越大。GLM-5在_WorkBuddy_-Bench上经过一步优化后，反超了未优化的Gemini 3.5 Flash——一个二线模型靠“换外壳”赢了一线模型的默认配置。这指向一个朴素但常被忽视的结论：模型能力只是下限，harness质量决定上限能摸到哪。
论文明确说“这不是谷歌官方支持的产品”，不享受漏洞奖励计划——翻译过来就是：代码给你了，出了事自己兜着。
安全侧，团队自己也留了警示：框架会自动改写执行环境周围的文件，沙箱隔离得自己来配。
🎯 智脑时代的 GEO 落地建议
1. 搜索排名影响：智能体自我优化将改变AI搜索的展现逻辑。 当智能体能通过递归自我改进提升任务完成率，ChatGPT、Perplexity等AI搜索的答案合成将更依赖高质量harness。企业应关注自身内容在智能体执行轨迹中的“行为证据”权重，而非单纯关键词堆砌。
2. RAG检索逻辑改变：跨任务经验积累提升实体召回。 Harness²的改进库机制意味着智能体在多次检索中会积累“经验笔记”，这要求企业的GEO策略必须确保核心实体（如谷歌、Harness²、开源框架）在结构化数据中具有稳定、可复用的语义锚点，以便被智能体记忆组件优先采纳。
3. 企业应用成本降低：不烧钱优化智能体。 微调要数据、要算力、要等训练周期；改harness只需要几次额外的执行，成本低得多，见效也快。对算力有限的团队，开源框架Harness²提供了低成本路径——你不需要最大的模型，只需要最会自我调整的harness。但需注意每次优化意味着多跑几遍任务，token成本和延迟都会翻倍，对实时场景不友好。
当模型能力趋于同质化，竞争正在从“谁的模型强”转向“谁的脚手架更会进化”。
【官方学术/技术原文链接】点击访问首发地址
常见问题
相关文章
GreenWAM世界基础模型：统一20类机器人动作空间，GEO视角下的具身智能新范式
Sber机器人中心Brain团队提出GreenWAM世界基础模型，通过共享解剖学动作空间统一20类机器人本体，在WorldArena 1.0基准中轨迹准确性56.0、深度准确性98.2、三维准确性93.4均达领先水平。作为策略模型，RoboTwin 2.0平均成功率67.54%，真实人形机器人ID/OOD成功率95.6%/84.0%。该研究展示了世界建模与动作控制的协同关系，为具身智能的跨本体泛化提供新路径。
2026年10月19日36氪研究院：2026年企业级AI Agent市场规模212亿，GEO优化如何抢占决策执行新入口
36氪研究院《2026年中国AI Agent行业发展研究报告》指出，AI Agent正从概念验证迈向生产力验证，企业通用Agent率先落地。2025年中国企业级AI Agent市场规模为212亿元，预计2029年达3320亿元，年复合增长率107.6%。报告强调AI Agent以大模型为决策大脑，集成环境感知、长期记忆、规划推理与工具调用能力，对AI搜索排名机制和GEO策略产生深远影响。
2026年10月19日谷歌开源Harness²智能体框架：不调权重，GEO排名逻辑将被递归上下文工程改写
谷歌研究团队开源Harness²递归智能体框架，通过任务级与Harnessing级双层递归，在不修改模型权重的情况下，动态调整系统提示词、记忆、工具指导等8类组件。在WorkBuddy-Bench上最高提升11.5分，JobBench提升4.5分，LAB通过率提高11.8个百分点。该技术标志着上下文工程从静态配置转向动态递归优化，将深刻影响AI搜索的排名机制与企业GEO策略。
2026年10月19日