Harness² betrachtet die Verbesserung von Agenten als System- statt als Modellproblem. Anstatt die Modellgewichte zu verändern, überarbeitet das Framework iterativ das Harness des Agenten – also die Sammlung aus System-Prompts, Leitplanken, Gedächtnisschemata, Tool-Anweisungen, Subagenten und Skripten, die das Verhalten prägen. Mithilfe kontrastiver Ausführung werden nur Änderungen übernommen, die die Ergebnisse bei derselben Aufgabe nachweislich verbessern. Dieser Ansatz eignet sich für Unternehmen, die Modelle aus Gründen der Compliance, der Kosten oder der Zertifizierung nicht ändern können, aber dennoch das Verhalten schrittweise verbessern möchten – durch reproduzierbare und überprüfbare Anpassungen am Harness.
In der Praxis durchläuft Harness² einen Zyklus aus Vorschlagen, Prüfen und Zusammenführen: Editoren schlagen mögliche Änderungen am Harness vor, das Harness führt dieselbe Aufgabe mehrfach aus, um Verhaltensunterschiede zu prüfen, und ein Composer erstellt daraus ein neues Harness, das nur durch beobachtete Ergebnisse belegte Änderungen übernimmt. Das System arbeitet mit zwei Rekursionsebenen. Die Aufgabenrekursion konzentriert sich auf den aktuellen Auftrag – mit parallelen Vorschlägen oder aufeinanderfolgenden Verfeinerungsschritten, gesteuert über ein --k-Budget. Die Rekursion auf Harness-Ebene speichert übernommene Harnesses und daraus gewonnene Erkenntnisse dauerhaft, sodass künftige Aufgaben mit einer besseren Ausgangsbasis beginnen und Wissen übertragen wird, ohne dass explizite überwachte Labels nötig sind.
Die vom Projekt veröffentlichten Benchmark-Ergebnisse zeigen deutliche Verbesserungen mit unveränderten Modellen: Schon einzelne Harness²-Schritte steigerten die Ergebnisse von GLM-5 und Gemini 3.5 Flash bei WorkBuddy-Bench, JobBench und LAB. Die Zuwächse lagen bei WorkBuddy bei bis zu etwa 11,5 Punkten, bei JobBench bei 4,5 Punkten und bei LABs Teilbestehenskennzahl bei fast 12 Prozentpunkten. Das Framework unterstützt OpenCode- und Codex-ähnliche Executor, parallele und sequenzielle Rekursionsmodi sowie praktische Tools für lokale Probeläufe und die Bewertung anhand von Benchmarks. Die Ergebnisse zeigen, dass die Optimierung des Harness ein besonders wirkungsvoller technischer Ansatz sein kann, wenn Änderungen am Modell nicht infrage kommen.
Für Entwickler, die Coding-Agenten, Unternehmensassistenten oder autonome Workflows bauen, bietet Harness² konkrete Abläufe: bearbeitbare Harness-Komponenten definieren, deterministische Editoren für mögliche Änderungen erstellen, robuste Prüfungen einrichten – mit wiederholbaren Aufgabenausführungen und Bewertungsmechanismen – und ein dauerhaftes Verbesserungs-Harness pflegen, das beleggestützte Erkenntnisse festhält. Das Repository enthält Demo-Abläufe, die ohne Modellzugangsdaten funktionieren, sowie Anleitungen für Vertex AI, Codex-Executor und Docker-basierte Benchmark-Umgebungen. Dank der Apache-2.0-Lizenz lässt sich das Framework problemlos integrieren und weiterverbreiten – auch in Teams, die eine freizügige Lizenz benötigen.