RecodeX 重构消息，谷歌开源了Harness2，允许AI智能体自行测试并保留能带来可测量行为差异的框架修改。在法务智能体基准测试中，该方法带来的性能提升最高达11.8分。值得注意的是，谷歌在实验中使用了Anthropic的Claude Opus 4.8作为编辑模型。