🤖 Harness2: deixe seu agente de IA se auto-aprimorar

📌 Pra que serve

Harness2 é um framework que permite que agentes de IA reescrevam automaticamente seus próprios harnesses — as instruções, ferramentas, rotinas de memória e planejamento que cercam o modelo. Em vez de você ficar tuning manual de prompts, o agente propõe duas edições candidatas ao seu próprio "suporte", testa ambas em condições iguais e mantém só o que melhora o desempenho. Sem precisa de dataset rotulado. Ganhos práticos: +11,8% de acurácia no benchmark de agentes jurídicos (LAB), +11,5% em tarefas de escritório/web/código.

🛠️ Passo a passo

1. Clone o repositório

copiargit clone https://github.com/google-research/harness2.git
cd harness2

2. Prepare o ambiente

copiarpip install -r requirements.txt

3. Entenda o ciclo Propose-Probe-Compose

• Propose: Sistema gera 2 edições ao harness (uma genérica, uma específica da tarefa)


• Probe: Roda ambas em paralelo sob condições idênticas, compara comportamento (sem label)


• Compose: Mantém edições que criaram contraste comportamental observável

4. Teste em um benchmark próprio

copiarpython harness2/run.py \
  --agent_model "seu-modelo-aqui" \
  --editor_model "seu-modelo-editor" \
  --task_benchmark "seu-benchmark" \
  --iterations 5

5. Monitore convergência
O papel alerta: agentes tendem a fixar um "ganho sólido" estrutural e depois estagnar. Veja se seu agente continua melhorando ou se ficou preso. Dica: use métricas comportamentais concretas (taxa de sucesso, tempo de execução, chamadas de função) em vez de objetivos vagos (evita reward hacking).

💡 Dica: Google usou Claude Opus 4.8 (Anthropic) como modelo editor, não Gemini, porque o Opus foi melhor em "cirurgia de harness". S
e seu orçamento permite, considere usar um modelo mais capaz pra fase Propose-Compose, e um mais rápido pros agentes executores.

🔗 Links e instalação

• GitHub oficial: https://github.com/google-research/harness2
• Paper (arXiv): google-research/harness2 no arXiv (Oct 2026)
• Licença: Apache 2.0 (uso livre)
• Benchmarks inclusos: WorkBuddy-Bench, JobBench, LAB (legal-agent)

Harness2 não mexe nos pesos do modelo — tudo é scaffolding. Perfeito se você roda agentes em produção e quer auto-otimização sem retreinar.