Harness²：让AI智能体自进化外骨骼，弱模型反超强模型

引言：预构建外骨骼的局限

今天，几乎每个AI智能体都依赖一套预构建的“外骨骼”（harness）——这套框架决定了它能调用哪些工具、如何组织指令、怎样控制执行循环。但问题很直接：预构建外骨骼必须“一刀切”，无法为每个任务量身定制。据YouTube视频《Harness² Explained in 60 Seconds》介绍，Google Research与西北大学合作的新项目Harness²提出了一个大胆设想：当你把任务交给智能体时，它能否即时构建并进化自己的外骨骼？

这个设想的核心在于“自进化”——智能体不再受限于预设的框架，而是能在工作中重写自己的指令、创建新工具，甚至修改控制循环。如果这一设想成立，智能体的适应性和效率将迎来质变。

什么是AI智能体的“外骨骼”（harness）

在AI智能体（agent）语境中，harness通常译为“外骨骼”或“执行框架”，指包裹在基础大模型之外的一整套工程脚手架。它至少包含四类组件：一是工具接口，即模型可以调用的函数、API或外部服务；二是提示与指令模板，决定模型如何理解任务和约束；三是执行循环（control loop），规定模型何时思考、何时行动、何时停止；四是记忆与状态管理，用于保存中间结果和跨轮次上下文。常见实现如ReAct循环、LangChain AgentExecutor、OpenAI的function calling封装等。预构建harness由工程师一次性设计，对所有任务通用，因此难以针对具体任务做精细适配——这正是Harness²试图打破的局限。

Harness²的双层递归机制

Harness²的实现依赖两个层次的递归。第一层（Level 1）针对当前任务实时进化外骨骼：智能体在执行过程中不断调整自己的工具集和指令，以更好地匹配任务需求。第二层（Level 2）则进化系统为未来任务构建外骨骼的方式——也就是说，系统不仅解决眼前问题，还学会了如何更聪明地设计未来的外骨骼。

这种双层设计让智能体既能“临场发挥”，又能“积累经验”。视频中提到，Level 2的递归意味着系统在元层面进行学习，从而提升长期的任务适应能力。

元学习与双层递归的含义

Level 2所描述的“进化未来外骨骼的构建方式”，本质上是一种元学习（meta-learning）——学习“如何学习”。在标准机器学习中，模型学习任务映射；在元学习中，系统学习的是学习算法本身或初始化参数，使其在新任务上只需少量调整即可快速适应。Harness²把这一思想从参数层面提升到工程架构层面：Level 1相当于内循环，针对当前任务调整外骨骼；Level 2相当于外循环，根据多次任务的经验改进“设计外骨骼的策略”。这种内外双层结构借鉴了递归自我改进（recursive self-improvement）的理念，使系统既能即时适应，又能跨任务积累关于“如何构建合适外骨骼”的元知识。

核心发现：弱模型+自进化外骨骼胜过强模型

该项目最引人注目的发现是：一个更小、更弱的模型，在自进化外骨骼的加持下，性能完全超越了运行在默认预构建外骨骼上的更强大的前沿模型。这一结果颠覆了“模型规模决定一切”的直觉，说明外骨骼的适应性与模型能力同等重要，甚至在某些场景下更为关键。

视频将这一发现称为“wild”（疯狂），因为它暗示了AI智能体设计的范式转变：与其一味追求更大的模型，不如让模型学会自己打造合身的“外骨骼”。

前沿模型与基准对比的语境

文中所说的“前沿模型”（frontier model）通常指当前能力最强的一批闭源大模型，如GPT-4系列、Claude 3.5/4系列或Gemini Ultra等，它们参数规模大、训练成本高。而“更小、更弱的模型”一般指参数量低一至两个数量级的开源或轻量模型。在标准评测中，弱模型在推理、工具调用准确性等任务上通常明显落后。Harness²的实验之所以被称为“wild”，是因为它把比较的变量从“模型本身”转移到了“模型加外骨骼的复合系统”：通过让弱模型针对任务自动生成更贴合的指令、工具和循环逻辑，弥补了模型能力的不足。这一结果与“脚手架效应”相呼应——合适的外部结构可以显著放大有限算力的实际表现。

意义与展望

Harness²目前仍是一个研究项目，但其思路为AI智能体的发展提供了新方向。自进化外骨骼可能让智能体在复杂、多变的任务中表现更鲁棒，同时降低对模型规模的依赖。据视频描述，该项目的双层递归机制和弱模型逆袭的结果，已经引发了研究社区的关注。

未来，如果智能体能够真正实现即时自进化，我们或许会看到更灵活、更高效的AI助手，它们不再需要工程师预先设计每一个工具和指令，而是能在工作中自主成长。