Google Harness²: почему ИИ-агентам не нужна более мощная модель, чтобы работать лучше
Преодоление бесконечного переобучения за счёт совершенствования операционной системы, на которой работают наши ИИ-агенты, — именно эту задачу пытается решить Google.
Google представила новый фреймворк Harness² с открытым исходным кодом, призванный решить проблемы, возникающие при работе с ИИ-агентами.
В течение последнего года наши разговоры с другими разработчиками об агентах искусственного интеллекта следовали одному и тому же сценарию. Агент терпит неудачу при выполнении сложной задачи, например при упорядочивании запутанной электронной таблицы или извлечении конкретных юридических положений из папки с PDF-файлами.
Если вы регулярно работаете с текстами, идеями, контентом или хотите быстро получить помощь ИИ прямо со смартфона, можно попробовать AI Помощник. Это удобный способ обратиться к ChatGPT и другим инструментам искусственного интеллекта, когда нужно быстро разобраться с задачей или найти подходящее решение.
Наша первая реакция всегда заключается в том, чтобы обвинить модель. Мы ждём следующего релиза передовой модели или тратим недели на настройку конвейера тонкой настройки, надеясь, что изменение весов модели волшебным образом исправит неработающий рабочий процесс.
Несколько дней назад Google Research опубликовала на GitHub исходный код Harness² под лицензией Apache 2.0.
После изучения исследовательской работы, опубликованной в октябре 2026 года, — Harness2: Recursive Agent Harnessing for an Open World — и анализа репозитория я пришла к выводу, что мы решали не ту проблему. В большинстве случаев нашим ИИ-агентам не нужна более совершенная базовая модель. Им нужна более эффективная рабочая среда.
Что такое Google Harness²?
Проще говоря, Harness² — это фреймворк на Python с открытым исходным кодом от Google Research, который помогает ИИ-агентам совершенствовать свои навыки при решении незнакомых задач. Для этого он автоматически обновляет рабочую среду агента, оставляя базовую модель искусственного интеллекта неизменной.
Чтобы понять, почему я считаю этот подход практичным, сначала нужно разобраться, что такое harness, или среда управления агентом. Когда вы развёртываете ИИ-агента, большая языковая модель — это своего рода мозг. Harness — вся система, которая окружает этот мозг. Она включает инструкции, инструменты, к которым агент может получить доступ, способы хранения памяти и механизмы делегирования подзадач.
Обычно инженеры вручную создают тестовый сценарий и оставляют его неизменным. Когда агент сталкивается с реальной проблемой, которую разработчик не предусмотрел, статический сценарий перестаёт работать. Harness² решает эту проблему, рассматривая саму рабочую среду как систему, которую можно тестировать, переписывать и автоматически улучшать во время выполнения.
Восемь компонентов, которые можно изменять независимо от модели
Важная особенность репозитория google-research/harness2 — конкретная архитектура фреймворка. Многие решения ограничиваются автоматической настройкой промптов. Если вы когда-либо создавали агента для производственной среды, то знаете, что изменение нескольких слов в системном промпте редко решает серьёзную проблему рабочего процесса.
Harness² предоставляет доступ к восьми различным компонентам рабочей среды, которые можно анализировать и изменять, не затрагивая саму модель:
- Системный промпт. Определяет основную роль агента и цели его работы.
- Ограничения. Устанавливают строгие правила поведения и границы допустимых действий.
- Память. Управляет тем, как агент сохраняет и извлекает контекст на разных этапах работы.
- Инструкции по использованию инструментов. Объясняют, когда и как применять доступные инструменты.
- Субагенты. Отвечают за распределение задач и делегирование работы вспомогательным агентам.
- Навыки. Позволяют создавать и использовать повторно применяемые процедуры для решения конкретных задач.
- Скрипты. Предоставляют исполняемые вспомогательные функции для выполнения стандартных действий.
- Плагины. Подключают внешние расширения к циклу работы с инструментами.
Предоставив фреймворку возможность редактировать все восемь компонентов, вы позволяете системе устранять первопричины сбоев. Если агент постоянно терпит неудачу при чтении большого файла, Harness² не просто предлагает команде «быть осторожнее». Он может написать скрипт для проверки данных, скорректировать инструкции по использованию инструмента или запустить субагента для предварительной обработки информации.
Как работает цикл «Предложение — проверка — объединение»
Основной механизм Harness² основан на трёхэтапном цикле, который авторы называют Proposal, Probe and Compose — «Предложение, проверка и объединение». Особенно интересно то, что этот механизм работает без необходимости получать от человека эталонные ответы для оценки результата непосредственно во время выполнения задачи.
Предположим, вы просите агента обработать набор финансовых документов, но у него возникают проблемы.
Как работает система Harness²
- Первый этап — предложение (Proposal). Модель анализирует задачу и генерирует альтернативные варианты улучшения рабочего процесса. Один вариант может предусматривать добавление нового навыка проверки, другой — ужесточение ограничений на извлечение числовых данных.
- Второй этап — проверка (Probe). Фреймворк запускает разные варианты рабочей среды на одной и той же задаче, используя одну и ту же неизменную модель, например Gemini 3.8 Flash или GLM 5, и один и тот же исполнитель, например OpenCode или Codex. Вместо того чтобы сравнивать итоговый результат с эталоном, которого может не существовать, система анализирует различия в поведении агента при разных запусках. Проверяла ли одна версия содержимое каталога перед редактированием файлов, тогда как другая бездумно перезаписывала данные? Ответ можно найти в трассировках выполнения.
- Третий этап — объединение (Compose). Harness² сравнивает трассировки, выбирает изменения, которые действительно помогли агенту работать эффективнее, и объединяет их в усовершенствованную рабочую среду для следующего запуска.
Этот цикл можно выполнять в параллельном рекурсивном режиме, проверяя несколько общих идей одновременно, или в последовательном рекурсивном режиме, постепенно уточняя настройки и углубляя анализ.
Почему важна двухуровневая память
Если бы Harness² приходилось запускать весь цикл тестирования с нуля для каждого запроса, не сохраняя полученные уроки, такой подход оказался бы слишком медленным и дорогим.
К счастью, исследователи предусмотрели второй цикл — рекурсию на уровне использования. После завершения задачи система сохраняет успешную конфигурацию и подтверждающие её эффективность данные в постоянной библиотеке улучшений, в том числе в локальном файле EXPERIENCE.MD.
Когда на следующий день появляется совершенно новая задача, агент всё равно начинает с исходного набора инструментов. Это позволяет избежать переноса неподходящих изменений из предыдущих сценариев. При этом механизм улучшения изучает библиотеку накопленного опыта и предлагает более эффективные настройки с учётом прошлых результатов.
Если вам тоже приходится регулярно решать рабочие задачи с помощью ИИ, необязательно ограничиваться одним инструментом. В Бесплатном ChatGPT можно обратиться к ChatGPT и другим нейросетям.
Таким как Midjourney и Suno чтобы подготовить текст, структурировать идеи или разобраться в сложной информации. Удобно, когда нужный помощник доступен в привычном мессенджере.
На мой взгляд, такой подход напоминает работу человеческих команд разработчиков программного обеспечения: мы поддерживаем чистую основную ветку кода, но используем опыт прошлой отладки в каждом новом спринте.
Что показывают результаты тестирования?
В тесте WorkBuddy Bench, предназначенном для оценки выполнения офисных задач, веб-разработки и программирования, добавление Harness² к исполнителю OpenCode, работающему на базе GLM 5, повысило средний балл с 64,2 до 75,7. Это прирост на 11,5 балла без изменения весов самой модели.
При использовании Gemini 3.5 Flash средний балл вырос с 72,4 до 77,5, а среднее количество шагов, необходимых агенту для выполнения задачи, сократилось.
Тестирование также проводилось на платформе JobBench, предназначенной для оценки профессиональных рабочих процессов, и на платформе LAB, ориентированной на сложные юридические задачи. Результаты продемонстрировали улучшение показателей в разных направлениях.
Если вам интересно следить за развитием нейросетей и использовать их не только для экспериментов, но и в повседневных задачах, попробуйте @AiPomoshnikRobot. Это простой способ получить доступ к ChatGPT и другим ИИ-инструментам прямо в Telegram, когда нужно быстро подготовить материал, проработать идею или найти решение.