SkillAgent 设计
Harness²：让 Agent 自己优化 harness
Harness²: recursive agent harnessing from Google Research
Google Research 开源的递归 Agent harness 框架：模型权重不变，只优化系统提示词、护栏、记忆、工具说明、子代理、技能、脚本和插件；每个任务用“提出-试探-组合”对比多次执行来改进 harness，无需标准答案，并把有效经验带到下个任务；支持 OpenCode 和 Codex 执行器。
要点
- 需要 Linux、Python 3.12 和 uv；在仓库根目录建好 .venv 后运行 uv pip install -e '.[render]'。
- 先跑 harness2-demo --output runs/demo --k 2，本地演示不需要模型凭证。
- 跑基准前加 --dry-run 预览任务选择，并从小任务集开始，模型调用会产生 API 费用。
- --mode parallel 横向探索多个候选，--mode sequential 逐步纵向细化；--substrate cx 改用 Codex 执行器。
- 评测前配置网络限制，避免执行器查到公开的基准答案和评分标准。
安装 / 使用
uv pip install -e '.[render]'
