谷歌开源 EnvHarness：不改智能体、不改环境，让训练环境随智能体一起进化
谷歌研究人员开源了 EnvHarness，它是一层包在现有训练环境外面的可编程封装，能在不修改智能体、环境与评估系统的前提下，根据智能体的薄弱环节动态调整环境。在 WebArena、SWE-bench Verified、ALFWorld 等基准上，多个模型的成绩提升了 2.9 到 3.7 个百分点。
静态环境的关键问题：学会之后不会再有新收获
自我进化型智能体通常通过改写提示词、学习新技能来提升自己，却很少改动自己所处的运行环境。研究团队指出了这背后的关键问题：
在固定基准上不断变强的智能体，最终会无法再从该基准中学到任何东西。对处于每个学习阶段的每个学习者来说，初始状态、规则和反馈都是相同的；一旦智能体能解出这些任务，环境就再也提供不了新知识。
而重新生成环境成本很高：需要特定领域的流水线，往往还要依赖昂贵或不可靠的校验器。即使投入大量资源，生成出来的环境依然是静态的。
EnvHarness：只改交互接口，不动底层结构
为了让工程师更容易在自适应环境中训练智能体，谷歌开发了 EnvHarness。
它是一层由可插拔组件构成的可编程封装，包住静态环境，并且只改变智能体与环境交互的接口。它通过动态引入变异来重塑环境行为，既不需要修改底层环境结构，也不需要改动评估体系。
技术上，EnvHarness 用标准的 reset() 和 step() 接口包装现有环境，并提供三种可组合组件：
- setup：自定义环境的初始状态；
- rule：根据智能体的动作约束状态转换；
- link：自定义呈现给智能体的观察结果。
EnvRigger：自动找出短板并生成改造方案
框架还引入了 EnvRigger。它会分析智能体的行为、识别反复出现的薄弱点、生成有针对性的修改方案，并通过新的交互验证效果，从而自动确定如何针对某个特定智能体调整环境。
反复运行 EnvRigger 循环，能够让智能体与环境持续共同进化，带来复合式的性能提升，而且这种提升效果会随定制任务数量的增加而有效扩展。
实测：多个基准与模型均有提升
论文显示，加上 EnvHarness 这一层之后，智能体在 WebArena、SWE-bench Verified、ALFWorld 等多个基准上的表现均有提升，且无需修改核心逻辑。测试覆盖 Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash 和 Claude Sonnet 4.6 等模型，全部模型的性能提升了 2.9 到 3.7 个百分点。
研究人员总结说，EnvHarness 在静态环境无能为力的情况下仍能带来持续的性能提升，通过领域无关的接口实现跨领域泛化，并通过修正无效行为提高效率。
它用标准的 reset/step 接口封装现有环境，原始任务和人工编写的校验器都可以保持不变。大模型开发者只需要针对在智能体运行轨迹中发现的缺陷编写这层封装逻辑。
DevOps 工程师 Aniket Kumar 也强调了这套设计的价值：Stage（即 setup）、Contract（即 rule）、Chain 提供了一种清晰的抽象，保留了基准校验器，从而避开了其他环境扩展方法常见的陷阱。
对做 AI 编程和「氛围编程」的开发者来说，这一思路的意义在于：提升智能体能力不一定要换更强的模型或重造环境，也可以在不改动模型和评测的前提下，把精力放在「改造环境接口」这一层，让训练信号跟着智能体的短板走。
查看英文原文：https://www.infoq.com/news/2026/10/envharness-self-evolving-agents/
关键要点
- 静态基准存在能力上限：智能体一旦能解出任务，环境就不再提供新知识；而重新生成环境成本高，且结果依旧是静态的。
- EnvHarness 通过
reset()/step()接口做一层可插拔封装，只改变交互接口，不改动底层环境结构与评估体系。 - 三种可组合组件（setup、rule、link）配合自动化的 EnvRigger 循环，可实现智能体与环境的持续共同进化。
- 多个基准与模型上的实测提升为 2.9 到 3.7 个百分点，且原始任务与人工校验器可保持不变。