TL;DR — 11月中旬、あるポストが「Googleが2時間近くの無料 Harness エンジニアリング講座を公開した」と主張してバズった。遡って調べると、約1時間35分のその動画は2本をつなぎ合わせたものだった。

  • 最初の9分:Google Cloud Tech が2026年10月22日に公開した短編〈AI harness crash course〉。
  • 続く約85分:講師 Annie Wang が2026年10月14日に個人チャンネルで配信したライブ〈Agent 102: Agent Evaluation + Self Evolving〉。ポストに記載されたチャプタータイトルは独自に付け直されたもので、「Chief of Staff」と「7×24時間の無人運転」は原動画の字幕のどちらにも見当たらない。
  • 原動画の要点は評価にある:Annie Wang は夕食予約 agent を例に、自己改善のループが審判のスコアによって改善の方向を決めること、そして審判がレストランの評価点しか見ていなければシステムは間違った方向へ向かいうることを説明している。
  • 本文に2本の原動画を埋め込んでいる:拡散版チャプターが原動画のどの時点に対応するかの対照表と、30分で視聴するための案内も添えている。

11月19日の夜、Hux(@huxlab)が X に中国語のポストを投稿し、「Googleが2時間近くの完全な Harness エンジニアリング講座を公開した。ゼロからスタートして7×24時間自律進化する agent システムを構築できる」と伝えた。講座はharness の土台づくり、eval エンジニアリング、loop の接続、実際の失敗を自動的に次のラウンドの問題へ変換する自己進化グラフシステムという4層に分解されていた。最後には、「正しく見える」を「検証済みで、しかも自己改善できる」に変えるこの技術は、かつてはトップチームだけが持つ奥義だったと締めくくっていた。私が見たとき、そのポストは13.7万回表示されていた。

この講座を見ようと、agent を使ってポストを遡って調べた。見つかった原動画は2本あり、長いほうはライブ配信で、2026年11月20日時点の再生回数は2,755回だった。

この「Google 2時間 Harness 講座」はどこから来たのか?

Hux のポストが引用したのは、rob.(@robiartec)が11月18日に投稿したスペイン語のポストだ。2つのポストの核心的な主張は同じで、「Googleが2時間の無料講座を公開した」「5つのチャプターがある」「500ドルの講座より価値がある」というものだった。「7×24時間の無人運転」「同じモデルでも出力が数倍変わる」と4層の構成は、Hux のポストが独自に付け加えた要素だ。rob. のポストには1時間35分11秒の動画が直接添付されており、ポスト内の5つの時間スタンプをクリックしてジャンプできる形になっていた。60万回の再生回数は、この動画付きポストが積み上げたものだ。コメント欄には誰かが YouTube のリンクを貼っていて、Google Cloud Tech チャンネルの〈AI harness crash course〉だったが、長さはわずか9分27秒だった。

長さが一致しないので、さらに遡って調べた。YouTube では11月13日にすでに〈Google Just Released a FREE 2-Hour Harness Engineering Masterclass〉という転載動画が存在し、長さは rob. が添付したものと同じで、説明欄には同じ5つのチャプターと500ドルの一文が書かれていた。アップロードしたチャンネルの登録者数は7人だった。これが私が確認できた最初の結合版だが、原点である保証はない。

字幕を照合したところ、この動画は2つの部分で構成されていた。最初の9分余りが〈AI harness crash course〉で、Google Cloud Tech が2026年10月22日に公開したもの。講師は Google Cloud のソフトウェアエンジニア Annie Wang だ。続く約85分は、Annie Wang が2026年10月14日に自身のチャンネルで配信したライブ〈Agent 102: Agent Evaluation + Self Evolving〉(原長1時間25分53秒)だった。彼女が毎週1回開催している agent シリーズのライブワークショップで、実際に操作しながら解説する形式だ。途中で API のクォータエラーが発生し、一部の評価では事前に実行済みの結果を使っている。ADK optimize は時間がかかりすぎるため、あらかじめ用意した指示を使ってデモしている。

ポストの主張出典確認した原動画
Google が公開したばかり両ポスト共通短編は2026年10月22日に Google Cloud Tech が公開。ライブ配信は2026年10月14日に講師の個人チャンネルで配信。結合版で私が確認できた最も古いものは2026年11月13日
2時間近くの完全な講座両ポスト共通9分27秒の短編と1時間25分53秒のライブ配信を合計すると約1時間35分
5つのチャプター:ゼロからの harness 構築・最初の agent・Chief of Staff による評価エンジニアリング・Loop エンジニアリング・自己改善グラフシステムrob.、2026年11月13日の YouTube 説明欄にすでに存在チャプタータイトルは独自に付け直されたもの。原動画のチャプターおよびこの5つの時間スタンプが原動画のどこに対応するかは次のセクションで対照する
Chief of Staff(幕僚長)の基準で「良い」を定義する両ポスト共通(rob. はチャプタータイトルに記載)両方の字幕に chief または staff は見当たらない。ライブ配信の評価例は5人の友人のために夕食を予約する agent
7×24時間無人運転の自己進化グラフシステムHuxデモしているのは router で接続した改善ループ。本番環境について講師はその日の実装には含まないと述べている
同じモデルでも外側の構成が違えば出力が数倍変わるHux両方の字幕でこの表現は見当たらない

もう一点気になる細部がある。「harness」という単語は最初の9分の短編にしか登場しない。続く85分のライブ配信は agent の評価と自己改善を扱っており、字幕に harness は一度も出てこない。

Google Cloud Tech チャンネル内を検索し、ライブ配信とコースのページも確認したが、2時間版は見つからなかった。

原動画を見るなら、どこから始めるか?

結合版は他者が転載したものなので、ここでは2本の原動画だけを埋め込む。再生回数も元のチャンネルに記録される。

短編:AI harness crash course、9分27秒、2026年10月22日初公開(出典:Google Cloud Tech YouTube チャンネル、講師 Annie Wang)

短編は「CSV 書き出しボタンを追加する」というコーディングタスクを例に、harness の4つの構成要素を一通り説明し、説明欄には codelab のリンクが添えられている。動画説明には14のチャプターが設定されており、私がまとめると以下のようになる:

時間内容
0:00AI harness とは何か
0:49ループ:ファイル読み込み・修正・テスト・結果のモデルへのフィードバック
1:19harness 設計の4つの構成要素
1:40コンテキストとメモリ:セッション・状態・長期メモリ
3:37ツールと実行フロー:Python 関数・MCP・グラフ型ワークフロー
5:18実行環境・プロンプトインジェクション・プライバシー
7:25評価:固定チェック・LLM 審査・人手によるレビュー

ライブ配信:Agent 102: Agent Evaluation + Self Evolving、1時間25分53秒、2026年10月14日配信(出典:Annie Wang YouTube チャンネル)

ライブ配信の説明には7つのチャプターが記載されている:

時間チャプター
0:00評価の概要
22:10評価の種類
33:42カスタム指標の実装
44:15自己改善のロジック
55:29ADK optimize と指示の調整
1:07:19自動ループの構築
1:24:42Q&A とまとめ

拡散版のポストから来た方のために、ポストに記載された5つの時間スタンプが原動画のどこに対応するかを示す。結合版のライブ配信部分は原動画より約9分24秒遅く始まる。これは両方の字幕に含まれる同じ発言の時刻を照合して算出した:

拡散版の時間スタンプ原動画の位置その箇所で実際に説明していること
0:29 ゼロからの harness エンジニアリング短編 0:29AI harness とは何か
11:08 最初の agent をしっかり構築するライブ 1:44夕食予約のシナリオと、このループが答えるべき3つの問い
28:08 Chief of Staff agent による評価エンジニアリングライブ 18:442つの agent が同じ結果を出しても、プロセスが違う。結果だけを見ていては不十分
1:00:13 Loop エンジニアリングライブ 50:49ADK optimize で指示を書き換え始める
1:23:19 自己改善し続けるグラフシステムライブ 1:13:55本番環境への推奨方向。講師はその日は実装しないと述べている

30分しか時間がない場合、私ならこう見る。短編を最初から全部見て約9分。ライブ配信は 18:41 から25分頃まで視聴する。2つの agent の比較と、模範解答との照合・LLM を審判として使う方法それぞれの長所と短所が説明されている。次に 42:08 からカスタム評価器が1席ずつ確認する様子を約3分見る。続いて 59:41 から審判を切り替えるデモを見て、最後に 1:07:25 からループがどのように接続されるかを見る。

ライブ配信の原動画は何を教えているのか?

ライブ配信で使われるのは別のタスクだ。5人の友人のために夕食を予約する agent だ。Marcos はベジタリアンで、Priya はナッツアレルギーがあり、Yuki はある時間までに帰らなければならず、Tom には交通面の制約がある。Annie Wang は冒頭でこう述べた。レストランの評価点で選んでも、全員に合うとは限らない。だから、まず一人ひとりの制約を考慮する評価器を作る必要がある。そのうえで、今回答えるべき3つの問いを提示した。agent は目標を達成したかどうかをどう判断するか。agent はどうやって自動的に改善するか。正しい答えを出すまで、全体がどう自律的に動き続けるか。

彼女はまず ADK に組み込まれているいくつかの評価の種類を紹介し(20:57 から)、次に今回カスタム評価器を自作する理由を説明する。評価の方法を3種類に整理している(42:08 から):

  • 模範解答との照合:期待する回答、さらには期待するツール呼び出しの順序をあらかじめ記述し、実際の結果がどれだけ近いかを算出する。制御しやすいが、模範解答自体が正確である必要があり、柔軟性は低い。
  • LLM を審判として使う:アノテーション済みの答えを用意しなくてよく、オープンエンドな問いに向いている。ただし審判自身が誤る可能性があり、スコアが時間とともにブレることもあると彼女は注意を促している。この方法は当日は紹介のみで実装はしていない。
  • カスタム評価器を自作する:今回の実装では固定のコードロジックを使い、各人がそのレストランで食事できるかどうかを1席ずつ確認してスコアを算出する。

結果だけを見ていては不十分な理由も説明している(18:41 から)。2つの agent がどちらも予約を完了させた。A はカレンダーで全員の空き時間を確認し、営業時間を調べてから予約した。B はカレンダーを確認せず、当て推量した時間がたまたま正解だった。結果だけ見れば両者は同じ評価になる。しかし本番でタスクが変わると B は失敗するかもしれない。プロセスが計測されていないからだ。

審判を誤って選ぶと、自己改善のループはどこへ向かうか?

評価の準備ができると、彼女は評価と改善をループとして接続する(1:07:25 から)。予約担当の agent が1回実行され、カスタム指標を使った審判がスコアを付け、その結果を router が判断する。スコアが基準に達しなければ、提案担当に引き渡して ADK optimize で agent の指示を書き換える。書き換えた指示はフロー全体で共有されている状態に保存され、次のラウンドで agent が読み込む指示は新しいものになる。スコアが基準を満たして初めて次へ進める。ADK optimize は1回の実行に8〜10分かかり、30前後の候補となる指示を試すため、ライブ配信ではあらかじめ用意した指示を使ってデモしている。

ライブ配信の 59:41 から、彼女は意図的に手を加えた指示に切り替え、さらにレストラン自体の評価だけを見る審判に差し替えた。彼女の結論はこうだ。レストランの良し悪しだけを見る審判は、このシステムにとって良い審判ではない。自己改善するシステムの審判を選ぶことは重要で、審判の選択を誤るとシステム全体が間違った方向へ向かいかねない。これはあくまで短い例で、時間の都合上このデモは最後まで実行していないとも述べている。

私はこの部分をライブ配信全体の要点として読んだ。ループ自体は「もう一度改善する」ことしかしない。どの方向へ改善するかは審判が決める。審判が見るべき点を外すと、ループが回れば回るほど、ズレは大きくなる。

「実際の失敗を自動的に次のラウンドの問題へ変換する」という説明にも出典がある。ライブ配信の終盤(1:13:57 から)だ。Google Cloud にデプロイすれば BigQuery のプラグインを有効にして、ユーザーのメッセージと agent のレスポンスをすべてデータテーブルとして記録し、カスタム指標で再スコアリングして、基準を満たさなかったものをトレーニングデータに加え、次のラウンドの書き換えに活用できると説明している。これを「進める方向の一つ」として提示しつつ、その日の実装は本番環境を含まないと先に述べている。「7×24時間の無人運転」は両方の字幕には見当たらない。

ライブ配信の締めくくりで、彼女は評価の部分が特に気に入っていると言った。今は誰もが agent を作っている。システムがどれだけ確実で、どれだけ優れているかは、面白くて重要な問いだ、と。

4コマ漫画:審判を誤って選ぶと、自己改善のループはどこへ向かうか?5人の友人のために夕食を予約する agent だ。Marcos はベジタリアンで、Priya はナッツアレルギーがある、レストランの評価点で選んでも、全員に合うとは限らない。スコアが基準に達しなければ、提案担当に引き渡して ADK optimize で agent の指示を書き換える。スコアが基準を満たして初めて次へ進める。Annie Wang:審判の選択を誤るとシステム全体が間違った方向へ向かいかねない。審判が見るべき点を外すと、ループが回れば回るほど、ズレは大きくなる。印は筆者の読み方。

私自身の評価システムで、何があったか?

似たようなことを自分のシステムで経験した。ただし、形はそれほど明確ではなかった。

翻訳品質評価システム TQEF を構築したことがある。3冊の業界辞典と1セットのビジネス用語ルールを追加した後、次のラウンドのスコアは4.69から4.97(満点5)に上がった。後に〈Harness は入れ替わる。Criteria も校正が必要だ〉という記事で書いた。これはこの評価器が29文のテストデータに対して出した判断であり、評価器自体はその時点でクロスバリデーションが完了していなかった。辞典が有効だという証明にはならない、と。スコアは上がっていたが、審判自身はまだ検証されていなかった。

今月〈1ヶ月で3,000件のプルリクエストを実現する前提〉を書いたとき、74件の修正記録を再分類したところ、自分がチェックしていると思っていた3箇所で、誤ったバージョンを検証していたことがわかった。たとえば、原文を修正した後に1つの言語だけを再翻訳すると、他の2つの言語の古い訳文が「更新済み」として記録される。チェックは有効で、記録上も更新済みと表示されている。しかし検証しているのは誤ったバージョンだ。この3箇所はその時点ではまだ修正しておらず、次のステップとして列挙している。

Annie Wang がデモしたレストランの評価点だけを見る審判は、少なくとも一目見ておかしいとわかる。私が経験したケースは、スコアが上がり、記録が更新済みを示しており、どこから見ても正常に見えた。

このポストはどのように広まったのか?

このポストが広まった過程を振り返ると、2026年11月13日に YouTube で結合動画が公開され、説明欄に5つのチャプターが記載されており、検証時の再生回数は269回だった。11月18日、rob. が同じ長さの動画を直接スペイン語のポストに添付し、60万回再生された。11月19日、Hux の中国語ポストが rob. を引用して13.7万回表示された。チャプターの内容は英語の説明欄から、スペイン語を経て、中国語版の4層構造へと引き継がれていった。

私の読み方はこうだ。これもループだ。一回転ごとに通過するのは「見てもらえるか」という審判で、この審判はチャプターが原動画と一致しているかどうかは見ない。チャプターの最初の出所として私が確認できたのは11月13日の説明欄で、それより前の原点は調べがつかなかった。転載した人が原動画を見たかどうかも不明だ。確かなのは、チャプタータイトルは原動画を開けばすぐに対応しないとわかることだ。

先月も別のバズったポストを解体した。最初に AGI パニックがあり、最終的に harness ガイドを読むよう促すものだった(〈AGI パニックのポスト、最後にエンジニアリングガイドへ誘導する〉)。今回は形が違う。パニックはなく、良いニュースだけがある。検証のステップは同じだ。原動画を探し、日付・長さ・チャプターを照合する。

まず審判が何を見ているかを問う

2本の原動画はどちらも上に埋め込んであり、無料で視聴できる。時間が限られているなら、前述の30分案内に従えばいい。

ポスト自体にも「テスト・評価・フィードバック・自動反復がなければ、エンジニアリングのクローズドループとは言えない」と書かれていた。私はその言葉に従って一度チェックを実行した。最も時間がかかったのは、原動画を開いて時間スタンプを照合するステップだった。

次に「大手が無料講座を公開した」という投稿を見かけたら、まず原動画のチャンネル・日付・長さを確認する。自分の agent に自動改善のループを追加する前には、まず問うことにしている。その審判は何を見ているか、と。

AI と人機協働についての議論をもっと読む:知能と秩序。外部の審判をどう組み立てるか、複数の AI が互いに審査し合うだけでは不十分な理由については〈AI にもっと大きなことをさせたいなら、まずエラー検出の仕組みを整える〉に書いた。


よくある質問

Q: Google は本当に2時間の無料 Harness エンジニアリング講座を公開したのか?

2026年11月20日時点の調査では、拡散していた約1時間35分の動画は2本をつなぎ合わせたものだった。Google Cloud Tech が2026年10月22日に公開した9分27秒の短編〈AI harness crash course〉と、講師 Annie Wang が2026年10月14日に個人チャンネルで配信したライブ〈Agent 102: Agent Evaluation + Self Evolving〉(1時間25分53秒)だ。どちらも無料で視聴でき、講師は Google Cloud のソフトウェアエンジニア。ただし、Google Cloud Tech チャンネルの動画・ライブ・コースのページを確認したが、2時間版は見当たらなかった。

Q: この2本の原動画は何を教えているのか?

短編は AI harness の4つの構成要素、すなわちコンテキストとメモリ、ツールと実行フロー、実行環境とセキュリティ・プライバシー、評価を紹介する。ライブ配信は5人の友人のために夕食を予約する agent を例に、3種類の評価方法(模範解答との照合、LLM による審査、カスタム評価器の実装)を紹介する。実際にデモするのは模範解答との照合とカスタム評価器で、次に ADK optimize で agent の指示を書き換え、最後に ADK workflow の router を使って評価と書き換えをループとして接続する。

Q: 審判を誤って選ぶと、なぜ自己改善する agent の質が下がるのか?

このループは審判のスコアによって、再度改善するかどうか、どの方向へ改善するかを決める。Annie Wang はライブ配信で、レストラン自体の評価だけを見ても全員に合うとは限らず、そのような審判はこのシステムにとって良い審判ではないと述べている。審判の選択を誤ると、システム全体が間違った方向へ向かいかねない。また、LLM を審判として使う場合、審判自身が誤る可能性があり、スコアが時間とともにブレることもあると注意を促している。

検証方法

この記事の検証は、私の agent がポストを遡って追跡し、私が結果を照合した。さらに執筆に関与していない別の agent が原動画とポストを改めて開き、各項目を再確認した。タイトル・日付・長さ・チャプター・再生回数は、2026年11月20日時点の X と YouTube のページに表示されている内容を基準とし、日時は台湾時間。ライブ配信と結合版の文字起こしは YouTube の自動字幕、短編は公式チャンネルがアップロードした字幕を使用。本文中の「見当たらない」は字幕内での検索でヒットしないという意味であり、自動字幕の聞き誤りの可能性は排除しない。

参考資料