Harness² được mô tả là một hệ thống bao quanh mô hình, cung cấp các thành phần như prompt hệ thống, guardrails, bộ nhớ, hướng dẫn công cụ, sub‑agents, kỹ năng, script và plugin. Nhờ đó, các agent có thể tự động xây dựng ngữ cảnh, giao tiếp với công cụ và thực hiện vòng lặp đề xuất‑thăm dò‑kết hợp.
Trong các thí nghiệm, một bước Harness² duy nhất đã nâng điểm GLM‑5 và Gemini 3.5 Flash lên tới 11,5 điểm trên WorkBuddy‑Bench, 4,5 điểm trên JobBench và 11,8% trên LAB. Khi tăng ngân sách đệ quy mức nhiệm vụ, các cải thiện còn tiếp tục tăng.
Framework hỗ trợ cả đệ quy song song (khám phá nhiều candidate harness) và đệ quy tuần tự (chuyển tiếp kết quả qua các vòng Propose‑Probe‑Compose). Người dùng chỉ cần cài đặt môi trường Python 3.12, cài gói via uv pip install -e '.[render]' và chạy harness2-demo để xem demo.
Đối với các benchmark dựa trên mô hình, cần cài Node.js 20+, Google Cloud CLI và các phụ thuộc riêng (Docker, Pandoc, Poppler). Các hướng dẫn chi tiết về cấu hình, xác thực và cách chạy các benchmark như LAB, JobBench và WorkBuddy‑Bench được cung cấp trong tài liệu.
Harness² hứa hẹn sẽ là nền tảng quan trọng cho việc phát triển các agent tự động hoá trong môi trường thực tế, giúp các nhà phát triển nhanh chóng thử nghiệm và tối ưu hoá chiến lược harness mà không cần thay đổi trọng số mô hình.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com