Harness2

google-research/harness2Revisado por IA

Qué hace

Harness2 es código de investigación de un equipo de Google para mejorar el sistema que rodea a un modelo de IA: el prompt, las salvaguardas, la memoria, las indicaciones para herramientas, los subagentes, las skills, los scripts y los plugins. Para cada tarea propone cambios, los prueba, compara las ejecuciones y compone una configuración mejorada, sin tocar el modelo en sí, y luego traslada lo aprendido a la siguiente tarea. Incluye tres bancos de pruebas profesionales (JobBench, LAB, WorkBuddy-Bench) y ejecuta agentes a través de OpenCode o Codex. Está pensado para investigadores: se necesitan Linux, Python 3.12, uv, Node, Docker y una cuenta de Vertex AI, y las ejecuciones reales cuestan dinero del modelo.

Facilidad de instalación

D · terminal, varias herramientas o tarjeta específica · Linux

Linux es el único sistema al que apunta ("Use Linux, Python 3.12, and uv", y el paquete está marcado como solo POSIX), y ahí tiene nota D: creas un entorno virtual con uv, y los bancos de pruebas además necesitan Node.js 20+, la CLI de Google Cloud, Docker para WorkBuddy-Bench, y Pandoc y Poppler para LAB, todo desde la terminal. Windows y Mac no están cubiertos.

Pronto: instala con 1 clic desde la app RepoPicks.

Números en GitHub

Estrellas: 21.675el 31 oct 2026
Descargas: —todas las versiones
Crecimiento: +2002estrellas en 6 días

Estrellas a lo largo del tiempo

Datos

Funciona en: Linux
Necesitas instalar: Python, Node.js, Docker, Otras herramientas
Para compilar desde el código: Python
Espacio en disco: 100 MB–300 MB · estimación
Cuentas o claves: Google Cloud Vertex AI (model access)
Costo: Gratis, la API se paga · El código es gratuito (Apache-2.0). El README advierte que "las ejecuciones con modelo generan costos de API" a través de tu propia cuenta de Vertex AI; solo la demo integrada funciona sin credenciales de modelo.
Licencia: Apache-2.0 (Permisiva)
Puede reemplazar: LangSmith
Última actualización: 14 oct 2026

Señales de riesgo (6)

AtenciónRepositorio muy nuevo con muchas estrellas
20552 estrellas en 21 días
revisión automática
AtenciónAgentes sin entorno aislado y con red abierta
README, Web access: "Executor network access is unrestricted, and Codex runs with its sandbox disabled." El proyecto te pide configurar tú mismo las restricciones de red antes de evaluar, así que por defecto los agentes de IA que ejecuta en tu equipo tienen acceso completo a internet y no tienen sandbox (entorno aislado).
revisión con IA
InfoNo es un producto oficial de Google
Disclaimer del README: "This is not an officially supported Google product. This project is not eligible for the Google Open Source Software Vulnerability Rewards Program." El repositorio está en la organización google-research, lo que puede dar otra impresión.
revisión con IA
InfoLos resultados vienen del artículo de los autores
Las mejoras citadas en el README ("up to 11.5 points on WorkBuddy-Bench, 4.5 points on JobBench, and 11.8 percentage points on LAB's partial pass rate") provienen del propio artículo de los autores en arXiv, 2610.14224, medidas con GLM-5 y Gemini 3.5 Flash.
revisión con IA
InfoLa factura de los modelos puede crecer
README, Run a benchmark: "Model-backed runs incur API costs; start with a small task selection", y el presupuesto de recursión --k multiplica el número de ejecuciones del agente por tarea.
revisión con IA
InfoCódigo temprano sin versiones publicadas
Versión 0.1.0 en pyproject.toml, sin releases en GitHub, creado el 2026-10-06 y con el último commit el 2026-10-14, mientras que las verificaciones ya señalan 20552 estrellas en 21 días.
revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar

Si las mejoras reportadas se repiten con otros modelos o en tus propias tareas.
Cuánto cuesta realmente en uso de modelo una ronda completa de pruebas.
Cuánto espacio en disco ocupan los tres bancos de pruebas y sus imágenes de Docker.
Si los datos de las pruebas y el código de terceros en third_party/ y dependencies/ se pueden usar para tu propósito; cada uno mantiene su propia licencia.
Qué hacen los agentes con acceso sin restricciones a internet durante una ejecución.