开源 Hermit：把 Agent 的训练从模型挪到 harness 上

Infini-AI Lab 开源了 Hermit——一个 harness evolution 框架，让 agent 在不改模型、不改 harness 的前提下，从任务反馈中持续学习。

微调模型？不。动的是 agent 的 harness——模型外围的逻辑层：指令、工具调用、记忆、子 agent 协调。模型决定怎么说，harness 决定怎么干活。大多数 agent 不会从经验里变强，想让它学新东西，要么换模型，要么冒险改 harness。Hermit 提供第三个选项：训练一个外部 adapter。

adapter 像带训练能力的插件，插在 agent 侧边。可以包含指令、技能、工具、记忆、协调逻辑。训练过程中原模型和 harness 冻结，只有 adapter 在变。训练完的 adapter 能独立部署，也能跨兼容模型和 harness 复用。

为什么需要一套框架？因为 harness 演化不只是写 prompt。它要处理任务执行、反馈收集、评估、更新检查、回滚。每个方法自己搭一套，实验没法比较，也没法复现。

Hermit 提供强化学习（RL）风格的训练循环：acting agent 用当前 adapter 执行任务，任务反馈变成学习材料，Evolver 根据反馈生成下一版 adapter。Trainer 负责执行、反馈、规格检查、版本管理、预算和恢复。Evolver 只关心学习算法。

Hermit 目前支持 GEPA、SkillOpt、MetaWorld Model (MWM)、Harness²、Continual Harness，ACE 和 ReHarness 计划中。方法各有各的更新逻辑和评估协议，共享同一套接口。

一个具体的例子：5 个 Codex agent 协作证明 Lean 定理。adapter 给它们共同计划、通信渠道、已验证引理库。agent 先把定理拆成引理，并行证明，Lean 验证，结果放进共享库，其他 agent 拉取验证过的引理继续往上搭。Codex 本身没动。代码在 lean_swarm 示例里。

另一个例子是 OfficeQA 基准。GEPA 和 SkillOpt 在 50 道题上训练，24 道验证题上筛选，最后评估固定 adapter。Continual Harness 和 Harness² 在测试题流中边做边学。评估使用 GLM 5.3 Flash 作为 acting agent，Codex CLI 0.162.0。

有开发者问，这能不能用在企业聊天机器人、金融 agent 上。作者回应：框架与领域无关，adapter 和 acting agent 只依赖任务反馈。只要有反馈，就能用。

还有人担心新任务上变好、旧任务上变差。作者说取决于算法设计。GEPA 和 SkillOpt 用 held-out 验证集决定是否接受新 adapter，能挡住回归。Continual Harness 和 Harness² 默认直接采用最新版。Hermit 不提供默认方案，但留了接口，让用户决定要不要用验证集。

本地 walkthrough 不需要 GPU、模型账号或下载基准。跑几个命令就能看到完整训练流程。

git clone https://github.com/Infini-AI-Lab/hermit.git
cd hermit
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e .

快速开始里有一个确定性示例，基线 0.0，最终 1.0。

Hermit 把 agent 如何从经验中变强的问题，从模型层挪到 harness 层。产物是可检查、可版本化、可部署的 adapter，训练基础设施由统一框架管理。项目基于 Apache-2.0 开源。

GitHub: https://github.com/Infini-AI-Lab/hermit
文档: https://infini-ai-lab.github.io/hermit/docs/