LLM 代理的表现不仅取决于底层模型，还受执行 harness 的影响。递归自我改进（RSI）被视为自动演化 harness 的有力手段，但在开放世界环境中仍面临两大难题：其一，任务在设计阶段往往不可见，测试时出现全新情形，缺乏可靠的真值验证器来指导在线编辑；其二，现有 RSI 流程高度依赖特定任务，难以迁移到未知场景。\
为此我们提出 Harness^2——一个即插即用的递归代理 harness 框架，采用两层递归结构来克服上述障碍。任务层递归通过对比式的 Propose‑Probe‑Compose 步骤对当前任务的 harness 进行细化：先提出候选编辑（Propose），再通过探测子任务的表现差异（Probe）评估其有效性，最后将最佳编辑合并回 harness（Compose），无需真值标签即可实现可靠引导。该层递归可通过并行或顺序方式扩展，以提升编辑深度。\
在此基础上，harness 层递归从所有任务层编辑中抽取经验，持续更新一个通用的改进 harness，使代理在后续任务中能够更快适配并获得更高收益。实验在三个专业基准（WorkBuddy‑Bench、JobBench、LAB）以及四种模型‑harness 配置上进行。单步递归即可让 GLM‑5 与 Gemini 3.5 Flash 超越基线 harness，分别在 WorkBuddy‑Bench 提升 11.5 分、JobBench 提升 4.5 分、LAB 提升 11.8%。随着任务层递归预算增加，收益进一步攀升。\
点评：Harness^2 通过对比驱动的编辑机制和经验累计，实现了在缺乏真值验证的开放世界中对 harness 的自适应优化，展示了递归自我改进在实际任务中的可行性与扩展性。