Google: open-sourcet Harness² voor zelfverbeterende AI-agents

Samenvatting

Google brengt Harness² uit als open source: AI-agents verbeteren prompts, tools en geheugen zonder modelgewichten te trainen.

Harness²: wat er gebeurt

Google Research heeft Harness² vrijgegeven onder de Apache 2.0-licentie. Het framework past niet het onderliggende model aan, maar de omgeving eromheen: prompts, tools, geheugen, vaardigheden en scripts.

Harness² gebruikt twee recursieve lussen. De eerste verbetert de zogenaamde harness voor de huidige taak; de tweede verbetert de manier waarop die harness tussen taken wordt aangepast. Volgens de bron kan het framework acht onderdelen wijzigen: systeeminstructies, guardrails, geheugen, vaardigheden, toolbegeleiding, scripts, subagents en plugins.

Harness²: waarom dit telt

Teams stemmen AI-agents nu vaak handmatig af. Een engineer bekijkt een fout, past een prompt aan of voegt een tool toe en probeert de taak opnieuw. Harness² automatiseert dat proces terwijl de modelgewichten vast blijven en nieuwe trainingsdata of fine-tuning niet nodig zijn.

Dat onderscheidt het framework van modeltraining: de verbetering zit in de instructies, hulpmiddelen en besturing rond het model. Vooral voor taken die vooraf niet volledig zijn gepland, is dat een andere aanpak dan alleen vooraf ontworpen prompts of vaste toolketens. De twee lussen bewaren verbeteringen bovendien voor volgende taken, waardoor de aanpassing niet beperkt blijft tot één uitvoering.

De publicatie bevat naast de code een onderzoeksartikel en een projectsite. De bron beschrijft ook een gratis demo en een benchmark met Vertex AI. De benchmarkresultaten krijgen in het artikel een aparte behandeling; het excerpt noemt geen concrete scores.

Harness²: concrete takeaway

Test de gratis demo met een afgebakende agenttaak en kijk niet alleen naar het antwoord, maar ook naar de wijzigingen in prompts, tools, geheugen en scripts. Leg daarna vast welke aanpassingen tussen taken mogen blijven bestaan en welke menselijke controle nodig blijft.