谷歌开源 EnvHarness：让智能体在动态环境中持续进化

固定基准正在成为智能体训练的一道天花板。一个智能体反复解决相同任务后，环境不再提供新的信息，继续增加训练次数也未必能弥补它在规划、工具使用或状态理解方面的缺陷。谷歌研究人员开源的 EnvHarness，试图把“改进智能体”扩展为“同时改进智能体所处的环境”。

核心思路：不改底层环境，改变交互方式

EnvHarness 是位于智能体与静态环境之间的一层可编程封装。它使用标准的 reset() 与 step() 接口包装已有环境，因此不需要重写智能体核心逻辑，也不必改动原始任务和评估系统。框架通过动态注入变异，让同一个环境能够根据学习者的表现呈现不同的挑战。

这层封装包含三类可组合组件：

• setup：自定义每次交互的初始状态，例如改变任务起点或场景配置；
• rule：约束状态转换，根据智能体动作调整环境规则；
• link：定制提供给智能体的观察结果，改变信息呈现方式。

这种设计的关键价值在于保留原有验证器。环境开发往往需要领域知识、复杂流水线以及成本较高或不稳定的验证机制，而 EnvHarness 主要改动接口层，降低了构建自适应训练场景的门槛。

EnvRigger 如何寻找智能体短板

EnvHarness 还提供 EnvRigger，用于自动化推动环境调整。它先分析智能体运行轨迹，寻找反复出现的失败模式或无效行为，再生成有针对性的修改方案，并通过后续交互检查这些修改是否确实构成了有效挑战。这个过程可以循环执行，使智能体和环境形成持续的共同进化。

论文介绍称，研究人员在 WebArena、SWE-bench Verified 和 ALFWorld 等基准上进行了测试。加入 EnvHarness 后，Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash 和 Claude Sonnet 4.6 的表现均有所提升，提升幅度为 2.9 至 3.7 个百分点。素材未说明这些结果是否覆盖所有任务设置，因此更适合将其理解为特定实验条件下的验证，而非对所有智能体训练场景的普遍保证。

意义与限制

EnvHarness 提供了一条不同于重写提示词、增加技能或扩大数据规模的路线：让训练环境主动暴露智能体的弱点。它的领域无关接口也意味着，同一套封装思路可以迁移到网页操作、软件工程和具身任务等不同场景。

不过，动态环境并不自动等于高质量环境。如何判断某种变异真正提升了学习价值，如何避免环境只是在制造噪声，以及如何控制额外交互成本，仍然取决于设计与验证流程。若这些问题能够得到解决，EnvHarness 或许会成为构建持续学习型智能体的一种实用基础设施。

来源：InfoQ 中文