گوگل کلود ای‌آی ریسرچ، فریم‌ورک هارنس² (Harness²) را با لایسنس Apache-2.0 و نسخه ۰.۱.۰ منتشر کرد. هارنس² یک چارچوب بازیافتی برای بهینه‌سازی ایجنت است که در زمان اجرا، پرامپت‌ها، ابزارها، حافظه و ارکستراسیون اطراف یک مدل فریزشده را بازمی‌نویسد — بدون آنکه حتی یک پارامتر از وزن مدل تغییر کند.

چه چیزی بهینه می‌شود؟#

هارنس² هشت مؤلفه قابل‌ویرایش را به‌صورت فایل جداگانه در اختیار می‌گذارد:

  • System prompt
  • Guardrails
  • Memory
  • Tool guidance
  • Subagents
  • Skills
  • Scripts
  • Plugins (middleware)

این ساختار، تقسیم‌بندی هفت‌فایلیِ کار قبلی تیم تحت عنوان Agentic Harness Engineering را با یک مؤلفه بیشتر کرده است.

مکانیزم دو سطحی بازیافت#

در سطح تکلیف، ایجنت ابتدا با هارنس پایه اجرا می‌شود. سپس یک ویرایشگر دو کاندید پیشنهاد می‌دهد: یکی برای خطاهای عمومی (برنامه‌ریزی، استفاده از ابزار) و دیگری برای دانش حوزه خاص. هر دو روی همان تکلیف اجرا می‌شوند و تنها ویرایش‌هایی نگه داشته می‌شوند که رفتار مشاهده‌شده آن‌ها بهتر از مرجع باشد.

در سطح هارنسینگ، پس از هر تکلیف، یک بازتاب‌دهنده هارنس پذیرفته‌شده و فایل EXPERIENCE.md شامل درس‌آموخته‌ها را ذخیره می‌کند. تکلیف بعدی همچنان از هارنس پایه شروع می‌شود، اما کاندیدهای جدید از این کتابخانه راهنمایی می‌گیرند.

عملکرد روی بنچمارک‌ها#

تیم پژوهشی سه بنچمارک حرفه‌ای WorkBuddy-Bench، JobBench و Harvey's LAB را با چهار ترکیب اجراکننده (Gemini 3.1 Flash و GLM-5 زیر OpenCode و Codex) و ویرایشگر پیش‌فرض Claude Opus 4.8 تست کرد. یک مرحله بهینه‌سازی، هر چهار ترکیب را روی هر سه بنچمارک بهبود داد. بیشترین جهش مربوط به GLM-5 زیر OpenCode بود که از ۶۴.۲ به ۷۵.۷ رسید (+۱۱.۵ نمره). کمترین بهبود، GLM-5 زیر Codex روی JobBench بود: از ۲۳.۶ به ۲۴.۸ (+۱.۲). در حالت موازی با k=5، Gemini زیر OpenCode به ۸۰.۸ روی WorkBuddy رسید.

نکته قابل‌توجه: اجرای ضعیف‌تر، سود بیشتری برد. پس از یک مرحله، GLM-5 از Gemini 3.1 Flash پایه روی WorkBuddy-Bench پیشی گرفت.

محدودیت‌های عملی#

هارنس² روی لینوکس با Python 3.12 یا 3.13 و ابزار uv اجرا می‌شود. فراخوانی مدل‌ها از طریق Vertex AI انجام می‌گیرد. اجرای مدل‌محور به Node.js نسخه ۲۰ به بالا، Google Cloud CLI و یک پروژه Vertex AI نیاز دارد. نیاز به GPU در مستندات ذکر نشده است.

این خبر برای کسی که امروز ایجنت می‌سازد یعنی چه#

هارنس² یک ایده مهندسی را عملیاتی می‌کند که بسیاری از تیم‌ها به‌صورت دستی انجام می‌دهند: نوشتن دوباره پرامپت و تنظیم ابزارها پس از دیدن خطاها. تفاوت اصلی این است که فرایند را خودکار و بازیافتی کرده و یک کتابخانه درس‌آموخته بین تکالیف نگه می‌دارد.

اما چند احتیاط عملی وجود دارد. اول، هر تکلیف چند اجرای اضافه نیاز دارد (k کاندید + مقایسه)، پس هزینه و زمان به‌طور محسوس بالا می‌رود. دوم، در محیط‌هایی که پاسخ درست قابل‌بررسی نیست (open-world)، معیار انتخاب ویرایش‌ها رفتار مشاهده‌شده است، نه صحت خروجی — یعنی ایجنت ممکن است رفتار را بهتر شبیه‌سازی کند بدون آنکه واقعاً درست‌تر باشد. سوم، نسخه ۰.۱.۰ و وابستگی صریح به Vertex AI یعنی در عمل هنوز یک ابزار تحقیقاتی است، نه چیزی که بتوانید روی هر استک مدل جایگزین بگذارید.

منبع: MarkTechPost