Harness2
NexusAi Zusammenfassung: Harness2 ist ein Plug-and-play-Framework für rekursives Agent-Harnessing, das Agent-Harnesses optimiert, ohne die Modellgewichte zu verändern. In einem iterativen Prozess schlägt es Änderungen vor, prüft ihre Wirkung und kombiniert sie, um das Verhalten von Agenten bei Aufgaben in offenen Umgebungen zu verbessern.
NexusAi Überblick
In der Praxis versteht Harness2 das Design von Harnesses als iterative Suche: Es schlägt mögliche Änderungen vor, führt Tests aus, um Verhaltensunterschiede sichtbar zu machen, und erstellt daraus ein optimiertes Harness, das wirksame Anpassungen übernimmt. Die Schleife kommt ohne Ground-Truth-Labels aus und speichert Erkenntnisse, um künftige Aufgaben schneller zu bearbeiten.
Zentrale Funktionen
Das Framework richtet sich an Entwickler und Forschende, die Agentensysteme entwerfen, Harness-Strategien benchmarken oder Harnesses reproduzierbar verbessern möchten, ohne Modelle neu zu trainieren. Typische Anwendungsfälle sind die Optimierung von Tool-Schleifen für Programmier-, Rechts- oder Büroabläufe, der Vergleich des Verhaltens verschiedener Ausführungsumgebungen und die Skalierung von Experimentbudgets, um zusätzliche Fortschritte über Aufgaben und Anwendungsbereiche hinweg zu messen.
- Propose–Probe–Compose bearbeitet Harness-Komponenten anhand kontrastiver Ausführungsnachweise.
- Parallele und sequenzielle Rekursionsmodi schaffen die Balance zwischen breiter Erkundung und gezielter Verfeinerung.
- Unterstützt die Ausführungsumgebungen OpenCode und Codex für reale und isolierte Codeausführung.
- Speichert übernommene Harnesses und Erkenntnisse, um künftige Aufgaben automatisch zu optimieren.
- Integriert JobBench, LAB und WorkBuddy-Bench für standardisierte Auswertungen.
Trends in der Praxis
Beispielzitat
Installiere Harness2 unter Linux mit Python 3.12, richte eine isolierte Umgebung ein und installiere die Abhängigkeiten des Repositorys. Für modellgestützte Durchläufe hinterlege die Zugangsdaten und Modell-IDs in einer Umgebungsdatei und installiere die optionalen Benchmark-Abhängigkeiten. Führe anschließend die Demo oder die Benchmark-Befehle von Harness2 aus, um reproduzierbare Durchläufe zu erstellen. Das Toolkit bietet Optionen für parallele oder sequenzielle Rekursion, eine Vorschau der Aufgabenauswahl sowie Bewertungs- und Berichtsschritte, damit die Evaluation konsistent bleibt.
NexusAi: Harness2 macht Harness-Engineering zu einem messbaren, wiederverwendbaren Experimentierprozess – ganz ohne Änderungen an den Modellgewichten.
Erste Schritte
Harness2 eignet sich besonders dort, wo iterative Verbesserungen von Harnesses und reproduzierbare Auswertungen wichtig sind: in benchmarkgestützter Forschung, in Entwicklungsteams, die Tool-Schleifen optimieren, und überall dort, wo die Modellgewichte unverändert bleiben müssen. Die Kombination aus kontrastiver Bearbeitung, dauerhaft gespeicherten Erkenntnissen und flexiblen Ausführungsumgebungen hebt Harness2 von spontaner Prompt-Optimierung ab.
Öffne das Tool und prüfe die zentrale Produkterfahrung.
Erstelle ein Konto oder greife auf deinen bestehenden Workspace zu.
Nutze eine eigene Aufgabe, um Geschwindigkeit, Qualität und Passung zu bewerten.
Prüfe ähnliche KI-Tools, bevor du eine endgültige Entscheidung triffst.
Harness2
Google Research entwickelt experimentelle Tools und Infrastrukturen für die Grundlagenforschung zu Modellen. Die Teams veröffentlichen reproduzierbare Frameworks, die Forschungsmethoden mit der Entwicklungspraxis verbinden und so den Einsatz durch Fachleute erleichtern.
Harness2 (Harness²) bietet ein reproduzierbares, modellunabhängiges System zur Optimierung von Agent-Harnesses – darunter Prompts, Tools, Gedächtnis, Skills und Orchestrierung. Statt Modellgewichte anzupassen, setzt es auf Rekursion. Zur Laufzeit durchläuft das System eine Schleife aus Vorschlagen, Prüfen und Zusammenstellen (Propose–Probe–Compose): Es erzeugt mögliche Harness-Änderungen, untersucht deren Wirkung auf dieselbe Aufgabe und erstellt anhand der beobachteten Verhaltensunterschiede ein optimiertes Harness. In parallelen und sequenziellen Rekursionsmodi speichert das Framework übernommene Harnesses und Erkenntnisse, um künftige Optimierungen zu unterstützen. Die Version unterstützt die Ausführungsumgebungen OpenCode und Codex und bietet Benchmark-Tools für JobBench, LAB und WorkBuddy-Bench. Harness2 wurde für Forschungs- und Entwicklungsabläufe konzipiert und verbindet deterministische Editoren, reale Ausführung und optionale modellgestützte Auswertungen. So können Teams Harness-Designs iterativ verbessern, Fortschritte messen und Experimente reproduzierbar fortsetzen.
Harness2 besuchen
Kommentare (0)
Keine Kommentare gefunden