Infini-AI-Lab 开源 Hermit 框架 实现智能体免改模型持续学习
Infini-AI-Lab 发布 Apache-2.0 开源框架 Hermit，通过“Harness Adapter”外部可训练层让 AI 智能体在不修改模型权重的前提下持续优化。该框架利用 RL 循环与 Git 版本控制管理指令、技能与记忆，在 CL-Bench 和 OfficeQA 基准上显著提升了准确率，但存在单次运行验证及较高推理成本的问题。
报道正文
▲ Marktechpost AI · 2026-10-29 08
▲ Infini-AI-Lab 刚刚开源了 Hermit，这是一个让 AI Agent 在不触碰模型或 Harness（执行框架）的情况下持续学习的框架。
其核心理念是“Harness 适配器”：一个可训练的外部层，包含指令、技能、记忆、工具和代码。系统运行一个类似强化学习（RL）的循环来执行任务，由评判器（Judge）进行评分，并由进化器（Evolver）提出新的适配器版本。每个版本都会经过检查并提交到 Git。模型的权重始终保持不变。
在使用 GLM 5.3 Flash 时，MWM 适配器在 CL-Bench 数据库探索任务中达到了 0.795 的准确率，而上下文基线（in-context baseline）仅为 0.580。在 OfficeQA 上，Harness² 将准确率从无适配器的 0.541 提升至 0.651。不过这也是一种权衡：大多数结果仅基于单次运行，且 Harness² 每道题的成本约为 0.16 美元，耗时约 7 分钟。
该框架提供了 5 种方法（GEPA、SkillOpt、MWM、Harness²、Continual Harness），支持部署到 Codex、Claude Code 和 Pi，并通过 pip install hermit-harness 以 Apache-2.0 许可证发布……
完整分析：
