不改模型也不动 harness，Hermit 用任务反馈训练 Agent 外挂层

Infini-AI-Lab 发布了 Hermit，一个 Apache-2.0 许可的 harness adapter 框架。MarkTechPost 的 Asif Razzaq 报道了这次发布。核心一句话：从任务反馈中训练一层外部能力，包括指令、技能、记忆和工具，同时不改 Agent 的模型，也不改它的 harness。

harness 可以理解成 Agent 的脚手架：负责组织提示、工具调用、记忆读写和控制循环。Hermit 没有替换这套脚手架，它在外面加一层可训练的适配层。

这事值得看的地方在于，Agent 效果差时，常见做法是改 prompt、换模型、重写工具编排，或者做微调。Hermit 把改动推到外层，让模型和 harness 保持稳定，外层通过任务反馈单独迭代。对团队来说，回滚和替换会更容易，至少设计意图是这样。

Apache-2.0 也降低了采用门槛，商用可以，但要按许可证保留声明和条款。更关键的是训练信号：任务反馈怎么采集、怎么判定好坏、外层训练完能否迁移到新任务，这些决定它是不是好用。公开报道只给了框架定位，没给基准结果和完整实验。

如果你在做 Agent 产品，可以先把它当成一种架构选项：底座不动，外层可训练。别急着把它当万能补丁，先看代码、接口和复现成本。

原文链接：Infini-AI-Lab Releases Hermit, an Open-Source Harness Adapter Framework for AI Agents