Google Research presenta Harness² per adattare al volo i harness degli agenti AI

Nei test sullo stesso compito, cambiare harness cambia il vincitore: Claude Code regge su codice e fogli di calcolo, Codex si prende i compiti web. Da qui parte Harness² di Google Research, un metodo che adatta in tempo reale la configurazione dell’agente al task corrente¹.

Molti errori non nascono dal modello, ma dal contesto operativo. Istruzioni vaghe, strumenti male scelti, memoria fragile, controllo dei passi incerto. Il harness governa questi elementi: prompt, strumenti, memoria, regole di esecuzione. Modificarlo modifica gli esiti, spesso più di un refresh del modello¹.

Harness² non aggiunge capacità al modello. Cambia come l’agente lavora durante il test. Riorganizza il setup, sceglie strumenti diversi, rafforza o snellisce le istruzioni. L’obiettivo è sfruttare ciò che il modello già sa fare, allineandolo al compito che ha davanti. Funziona anche su task non previsti in fase di design, dove i rigidi preset perdono colpi¹.

La lezione è pratica. Prima di inseguire un upgrade, conviene guardare alla configurazione: come si istruisce l’agente, quali strumenti attiva, come gestisce la memoria e l’arbitraggio dei passi. Qui si trovano guadagni concreti di affidabilità senza toccare l’architettura del modello¹.

C’è però un limite da non superare. Automazioni aggressive possono peggiorare. Lasciare che l’agente riscriva il proprio system prompt, per esempio, non garantisce benefici e può introdurre rumore. Ogni nuova istruzione ha un costo, spesso superiore al ritorno che offre¹.

Questo cambia anche la valutazione. Misurare il modello in isolamento non basta. Serve misurare l’insieme modello più harness sul compito reale. I confronti tra configurazioni lo mostrano con chiarezza: ciò che aiuta su codice e fogli di calcolo non coincide con ciò che serve sul web. Un singolo assetto universale, nella pratica, non esiste¹.

Harness² parla a chi costruisce agenti che devono affrontare scenari aperti. L’adattamento in corsa amplia la copertura possibile senza dipendere da un nuovo rilascio del modello. È un cambio di baricentro: ottimizzare la regia, non l’attore¹.

L’autore dell’analisi dichiara di aver installato e fatto girare il progetto per provarne l’idea in prima persona. La prova sul campo serve a osservare l’effetto dell’adattamento del harness su compiti reali, non a misurare il modello in astratto¹.

Per un team con una suite interna di task, la priorità operativa diventa misurabile. Eseguire lo stesso set con configurazioni diverse. Tracciare dove l’adattamento in test time riduce gli errori, e dove no. Decidere se il nuovo assetto ripaga il costo di orchestrazione. Se sì, si ottiene più affidabilità senza cambiare modello¹.