Infini-AI-Lab 发布 Hermit：面向 AI 智能体的开源 Harness 适配器框架

Infini-AI-Lab 发布 Hermit 框架

据 MarkTechPost 报道，Infini-AI-Lab 发布了开源框架 Hermit，定位为面向 AI 智能体的 harness 适配器框架。其思路是训练一个外部的「harness 适配器」，而智能体所用的模型与 harness 本身保持冻结。首个版本 v0.1.0 于 2026 年 10 月 25 日发布，CMU 博士后 Haizhong Zheng 于 10 月 27 日在 X 上公布了这一消息。按报道描述，Hermit 是一个 Python 框架，自身不含参数，采用 Apache-2.0 许可，可通过 pip install hermit-harness 安装。

背景与影响

报道称，模型适配器（如 LoRA）适配的是模型，而 harness 适配器适配的是已有的智能体，可承载指令、技能、记忆、工具、可执行代码与智能体协作逻辑，甚至可以是整个代码仓库。团队给出的设计理由包括：许多 harness 为闭源；修改开源 harness 可能破坏已调好的组件交互；学到的适配器可在兼容的模型与 harness 之间迁移。训练采用 RL 式循环，由 Trainer、judge 与 Evolver 协作产出新版本，每个适配器版本存放在 git 树中，可检查、回滚或发布。框架内置 GEPA、SkillOpt、MetaWorld Model（MWM）、Harness² 与 Continual Harness 五种演化方法，ACE 与 ReHarness 标注为即将推出。部署方面，hermit deploy 可为 Codex、Claude Code 或 Pi 生成工作区，hermit convert 可将训练好的适配器导出为原生插件。

限制与来源

报道中的基准结果均以 GLM 5.3 Flash 作为执行模型，且来自仓库示例 README，属自我报告。例如 CL-Bench 数据库探索任务上 MWM 达到 0.795 准确率，而上下文基线为 0.580；同一场景下仅提示词适配器为 0.470，低于该基线。报道亦指出多数结果为单次运行。上述数字尚未获独立验证，功能、许可与安装方式请以项目官网及仓库当前信息为准。本文来源为 MarkTechPost。