Harness² do Google Research calibra agentes sem alterar pesos do modelo

Dois níveis de recursão corrigem a execução

Na definição do projeto, o harness reúne tudo o que permite ao modelo agir como agente: prompts, ferramentas, memória, habilidades, orquestração e proteções operacionais. O sistema expõe oito componentes editáveis: prompt de sistema, guardrails, memória, orientação de ferramentas, subagentes, habilidades, scripts e plugins, responsáveis por construir o contexto, mediar chamadas e guiar o comportamento no laço de ferramentas. O ciclo Propose–Probe–Compose resolve tarefas inéditas propondo edições nesses módulos, testando os efeitos na mesma demanda e compondo um harness refinado a partir do contraste de execuções, sem gabarito prévio. Esse ajuste roda em paralelo ou sequencialmente.

No segundo nível de recursão, a ferramenta atualiza uma estrutura permanente com as lições comprovadas de cada tarefa para guiar refinamentos futuros em outros problemas. Todo o processo mantém os pesos do modelo intactos, delegando os testes práticos aos executores de código OpenCode e Codex. Em testes com quatro configurações e três avaliações profissionais, um único passo de refinamento rendeu ganhos de até 11,5 pontos no WorkBuddy-Bench, 4,5 pontos no JobBench e 11,8 pontos percentuais na aprovação parcial do LAB. Gastar mais passos traz ganhos adicionais.

O teste local dispensa credenciais de nuvem

A instalação exige um sistema Linux com Python 3.12 e o gerenciador de pacotes uv configurado na máquina. Pelo terminal na raiz do repositório, o usuário cria o ambiente isolado com uv venv --python 3.12 .venv, carrega as variáveis via source .venv/bin/activate e instala as dependências com o comando uv pip install -e '.[render]'. A validação inicial acontece com a chamada harness2-demo --output runs/demo --k 2, que executa os dois modos de recursão usando editores determinísticos e código Python real sem exigir credenciais externas. O teste não consome saldo de nuvem.

Quem decide rodar os testes completos com modelos comerciais precisa instalar Node.js na versão 20 ou superior e a interface de linha de comando do Google Cloud. Além dos pacotes básicos de ambiente, a avaliação LAB demanda as ferramentas Pandoc e Poppler instaladas no sistema, enquanto o benchmark WorkBuddy-Bench requer contêineres Docker ativos. A conexão com os modelos exige duplicar o arquivo de variáveis com cp .env.example .env, preencher o identificador do projeto no Vertex AI e validar a conta pelo comando gcloud auth application-default login. Sem essa etapa, as chamadas remotas falham.

Criado em 6 de outubro de 2026 e com último commit em 14 de outubro, o projeto soma 1.256 forks e 94 issues abertas em treze dias de existência pública. O repositório não publicou versão numerada estável. A rápida adesão de 13.553 estrelas mostra interesse técnico no tema, mas a pouca idade do código exige cautela com mudanças drásticas em arquivos de configuração e rotinas internas. O Google Research distribui o código sob licença Apache-2.0, que libera o uso comercial, mas a ferramenta não serve para quem busca aplicativos prontos ou não domina ambientes Linux e orquestração de agentes.