您的位置首页 >人工智能 >

谷歌提出新思路与其反复调提示词 不如让 AI 自主修改运行 Harness 框架

谷歌最新研究论文给出了和传统提示词工程完全不一样的方案,研究团队提出不用反复打磨提示词,而是让 AI 智能体直接修改包裹大模型的 Harness 运行框架代码,在 SWE-bench Lite 软件工程测试里,任务成功率从原来的 5% 提升到 40%,直接翻了 8 倍,对比单纯优化提示词,后者甚至会让成功率下滑到 2.5%,这套方案不改动底层大模型权重,只优化外围调度框架,是智能体迭代方向的重要变化。大家平时做 AI 智能体调试,大多都是改提示词、加规则、调整上下文话术,但提示词很容易出现上下文膨胀、迁移性差,换一个模型、换一类任务就失效,而 Harness 框架负责记忆管理、多轮任务调度、工具调用、结果校验,把约束逻辑写进代码里稳定性更强,谷歌团队就设计了一套带校验闭环的模块化自修改流程,用来解决静态框架适配性差的痛点。看懂这套方案可以按这个顺序梳理,先搞懂 Harness 运行框架是什么,再看四大可编辑模块,接着熟悉 AI 自修改的闭环流程,最后对比调提示词和改框架的优劣。整体来看,这套方案目前还处在实验阶段,有沙盒、权限校验机制控制风险,不是无限制随便改代码,后续落地还要解决安全、过拟合、Token 成本等问题。

一、Harness 框架四大可编辑模块

模块名称功能说明
上下文与状态管理管理对话记忆、任务状态,控制上下文窗口
智能体控制模块任务规划、循环控制、失败判定逻辑
工具调用接口工具调用、参数组装、接口适配逻辑
验证与故障恢复结果校验、出错回滚、终止判断

二、AI 自修改运行框架完整闭环步骤

  1. 诊断:AI 读取历史执行日志,定位任务失败、卡顿、Token 浪费的根源
  2. 提案:生成单模块代码补丁,规定单次只改一个模块,避免大范围改动直接崩掉框架
  3. 验证:放到测试集跑任务,校验效果,同时设置 Token 上限控制成本
  4. 留存:只有通过验证、效果变好的代码修改才保留,无效改动直接丢弃

三、调提示词 VS AI 修改 Harness 框架对比清单

  • 提示词优化:上手简单、灵活,但容易提示词膨胀、迁移弱、效果不稳定,本次实验里效果反而变差
  • 修改 Harness 代码:约束固化在代码逻辑,稳定性强、跨模型适配更好,单次修改难度更高,需要安全沙盒管控

四、现存局限与风险

  1. 实验范围有限,仅在 SWE-bench Lite 编程任务测试,通用场景还需要验证
  2. 存在过拟合风险,修改后的框架只适配特定测试任务,泛化能力需要持续打磨
  3. 安全风险:AI 乱改代码会破坏执行逻辑,必须搭配沙盒、权限隔离、修改审计机制
  4. Token 消耗:自修改迭代本身会消耗大量 Token,长期运行成本偏高

【相关 FAQ】

问题 1:谷歌提出与其反复调提示词不如改代码,这个方案里的 Harness 是什么?

回答 1:谷歌提出与其反复调提示词不如改代码,Harness 就是包裹大模型的 AI 智能体运行框架,负责上下文记忆、任务调度、工具调用、结果校验,不属于模型本身权重。

问题 2:谷歌提出与其反复调提示词不如改代码,测试效果怎么样?

回答 2:谷歌提出与其反复调提示词不如改代码,在 SWE-bench Lite 测试里,AI 自主修改 Harness 框架后任务成功率从 5% 提升到 40%,提升 8 倍;单纯调提示词反而降到 2.5%。

问题 3:谷歌提出与其反复调提示词不如改代码,AI 是随便修改全部框架代码吗?

回答 3:谷歌提出与其反复调提示词不如改代码,AI 不能一次性全量改写,框架拆成四个独立模块,一轮只允许修改一个模块,改动之后还要经过测试验证才能保留。

问题 4:谷歌提出与其反复调提示词不如改代码,这套方案现在可以直接商用落地吗?

回答 4:谷歌提出与其反复调提示词不如改代码,该方案目前属于学术研究成果,还在实验阶段,存在安全、成本、泛化性等问题,暂时没有商用版本。

【参考资料】

[2026-11-20](改提示词不如改代码:谷歌让 AI 自改运行框架)IT 之家

[2026-11-20](谷歌新论文:AI 智能体自主修改 Harness,成功率提升 8 倍)凤凰网科技

[2026-11-20](Better to Change Code Than Prompts: Google Lets AI Modify Its Own Runtime Framework)AIbase

[2026-11-19](Harnesses That Improve Themselves 谷歌自改进智能体框架论文)arXiv

免责声明:本文仅整理谷歌公开研究论文与实验数据,AI 自修改运行框架属于前沿实验室方案,稳定性、安全性未经过大规模商用验证,不构成 AI 项目开发、采购投资决策建议。

今日大家都在搜的词: