Harness2

google-research/harness2Revisado por IA

O que faz

Harness2 é código de pesquisa de uma equipe do Google para melhorar o sistema em torno de um modelo de IA: o prompt, as salvaguardas, a memória, as orientações de ferramentas, os subagentes, as skills, os scripts e os plugins. Para cada tarefa, ele propõe mudanças, testa, compara as execuções e monta uma configuração refinada, mantendo o modelo em si inalterado, e depois leva os aprendizados para a próxima tarefa. Vem com três benchmarks profissionais (JobBench, LAB, WorkBuddy-Bench) e executa agentes via OpenCode ou Codex. É para pesquisadores: são necessários Linux, Python 3.12, uv, Node, Docker e uma conta Vertex AI, e execuções reais custam dinheiro em uso de modelo.

Facilidade de instalação

D · terminal, várias ferramentas ou placa específica · Linux

O Linux é o único sistema alvo ("Use Linux, Python 3.12, and uv", e o pacote é marcado como somente POSIX), e recebe nota D: você cria um ambiente virtual com uv, e os benchmarks também exigem Node.js 20+, a CLI do Google Cloud, Docker para o WorkBuddy-Bench e Pandoc e Poppler para o LAB, tudo pelo terminal. Windows e Mac não são cobertos.

Em breve: instale com 1 clique pelo app RepoPicks.

Números no GitHub

Estrelas: 21.675em 31 de out. de 2026
Downloads: —todas as versões
Crescimento: +2.002estrelas em 6 dias

Estrelas ao longo do tempo

Fatos

Roda em: Linux
Você precisa instalar: Python, Node.js, Docker, Outras ferramentas
Para compilar a partir do código: Python
Espaço em disco: 100 MB–300 MB · estimativa
Contas ou chaves: Google Cloud Vertex AI (model access)
Custo: Grátis, a API é paga · O código é gratuito (Apache-2.0). O README avisa que "execuções com modelo geram custos de API" na sua própria conta Vertex AI; só a demonstração integrada funciona sem credenciais de modelo.
Licença: Apache-2.0 (Permissiva)
Pode substituir: LangSmith
Última atualização: 14 de out. de 2026

Sinais de risco (6)

AtençãoRepositório muito novo com muitas estrelas
20552 estrelas em 21 dias
checagem automática
AtençãoAgentes sem sandbox e com rede aberta
README, Web access: "Executor network access is unrestricted, and Codex runs with its sandbox disabled." O projeto pede que você mesmo configure restrições de rede antes de avaliar, então, por padrão, os agentes de IA que ele executa na sua máquina têm acesso total à internet e nenhum sandbox.
revisão por IA
InfoNão é um produto oficial do Google
Disclaimer do README: "This is not an officially supported Google product. This project is not eligible for the Google Open Source Software Vulnerability Rewards Program." O repositório fica na organização google-research, o que pode passar uma impressão diferente.
revisão por IA
InfoResultados vêm do artigo dos próprios autores
Os ganhos citados no 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") vêm do próprio artigo dos autores no arXiv, 2610.14224, medidos com GLM-5 e Gemini 3.5 Flash.
revisão por IA
InfoA conta dos modelos pode crescer
README, Run a benchmark: "Model-backed runs incur API costs; start with a small task selection", e o orçamento de recursão --k multiplica o número de execuções do agente por tarefa.
revisão por IA
InfoCódigo inicial sem releases
Versão 0.1.0 no pyproject.toml, nenhuma release no GitHub, criado em 2026-10-06 com o último commit em 2026-10-14, enquanto as verificações já apontam 20552 estrelas em 21 dias.
revisão por IA

As evidências aparecem no idioma original.

O que o Radar não conseguiu verificar

Se os ganhos relatados se repetem com outros modelos ou nas suas próprias tarefas.
Quanto custa de fato, em uso de modelo, uma rodada completa de benchmark.
Quanto espaço em disco os três benchmarks e suas imagens Docker ocupam.
Se os dados de benchmark e o código de terceiros em third_party/ e dependencies/ podem ser usados para o seu propósito; cada um mantém sua própria licença.
O que os agentes fazem com acesso irrestrito à internet durante uma execução.