Harness2
google-research/harness2AI 已审核
用途
Harness2 是 Google 一个团队出品的研究代码，用于改进围绕 AI 模型的整套系统：提示词、防护机制、记忆、工具使用指引、子智能体、技能、脚本和插件。针对每个任务，它会提出修改方案，逐一试验，比较各次运行结果，再组合出一套优化配置，模型本身保持不变，然后把学到的经验带入下一个任务。它自带三个专业基准测试（JobBench、LAB、WorkBuddy-Bench），并通过 OpenCode 或 Codex 运行智能体。它面向研究人员：需要 Linux、Python 3.12、uv、Node、Docker 和一个 Vertex AI 账户，真实运行会产生模型调用费用。
安装难易度
D · 终端、多个工具或特定显卡 · Linux
Linux 是唯一支持的系统（文档写明“使用 Linux、Python 3.12 和 uv”，软件包也标注为仅支持 POSIX），评分为 D：你需要用 uv 创建虚拟环境，几个基准测试还分别需要 Node.js 20+、Google Cloud CLI、运行 WorkBuddy-Bench 用的 Docker，以及运行 LAB 用的 Pandoc 和 Poppler，所有操作都在终端里完成。Windows 和 Mac 都不支持。
即将推出：用 RepoPicks 应用一键安装。
GitHub 数据
- 星标
- 21,6752026年10月31日
- 下载量
- —所有发布版本
- 增长
- +2,0026 天内新增星标
星标变化
事实
- 可运行于
- Linux
- 需要安装
- Python, Node.js, Docker, 其他工具
- 从源码编译需要
- Python
- 磁盘空间
- 100 MB–300 MB · 估算
- 账号或密钥
- Google Cloud Vertex AI (model access)
- 费用
- 免费，API 另行收费 · 代码是免费的（Apache-2.0 许可）。README 提醒“涉及模型的运行会产生 API 费用”，费用通过你自己的 Vertex AI 账户支付；只有内置的演示不需要模型凭据。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- LangSmith
- 最近更新
- 2026年10月14日
风险信号 (6)
- 注意很新的仓库却有大量星标
21 天内获得 20552 个星标
自动检查
- 注意智能体在无沙盒且网络开放的环境中运行
README，Web access 部分："Executor network access is unrestricted, and Codex runs with its sandbox disabled." 项目要求你在评测前自行配置网络限制，因此默认情况下，它在你的电脑上运行的 AI 智能体拥有完整的互联网访问权限，且没有沙盒。
AI 审核
- 信息并非 Google 官方产品
README 免责声明（Disclaimer）："This is not an officially supported Google product. This project is not eligible for the Google Open Source Software Vulnerability Rewards Program." 该仓库位于 google-research 组织下，这可能会给人不同的印象。
AI 审核
- 信息结果来自作者自己的论文
README 中引用的提升幅度（"up to 11.5 points on WorkBuddy-Bench, 4.5 points on JobBench, and 11.8 percentage points on LAB's partial pass rate"）来自作者自己发表在 arXiv 上的论文 2610.14224，使用 GLM-5 和 Gemini 3.5 Flash 测得。
AI 审核
- 信息模型费用可能快速累积
README，Run a benchmark 部分："Model-backed runs incur API costs; start with a small task selection"，并且递归预算 --k 会成倍增加每个任务的智能体运行次数。
AI 审核
- 信息早期代码，尚无正式发布
pyproject.toml 中版本为 0.1.0，GitHub 上没有发布版本（release），创建于 2026-10-06，最后一次提交在 2026-10-14，而检查结果已显示 21 天内获得 20552 个星标。
AI 审核
证据以原始语言显示。
Radar 无法验证的内容
- 报告中的效果提升能否在其他模型或你自己的任务上重现。
- 完整跑一轮基准测试在模型用量上实际要花多少钱。
- 三个基准测试及其 Docker 镜像占用多少磁盘空间。
- third_party/ 和 dependencies/ 目录下的基准数据和第三方代码是否可以用于你的用途；它们各自保留自己的许可证。
- 智能体在不受限制地访问互联网期间，运行过程中到底会做什么。