谷歌开源EnvHarness框架 智能体任务成功率提升2.9%3.7%

谷歌近日开源EnvHarness框架，旨在解决自进化智能体在静态环境中学习停滞的问题。该框架以轻量级可编程封装层动态重塑环境行为，包含Setup（定制初始状态）、Rule（基于动作动态约束状态转移）和Link（调整观察空间呈现）三类可插拔组件，开发者可根据智能体失败轨迹编写针对性配置，例如检测到反复无效操作时临时变更环境状态并提供提示。配套的EnvRigger机制可自动监控执行轨迹、识别高频失败模式，生成并验证EnvHarness配置方案，形成智能体与环境协同进化的闭环。实验中，EnvHarness应用于Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash及Claude Sonnet 4.6等模型，在WebArena网页导航、SWE-bench Verified软件工程与ALFWorld具身推理任务中，任务成功率统一提升2.9至3.7个百分点，且所有提升均来自环境层调整，模型本身未作任何修改。该框架领域无关、低侵入，不改动原有环境代码或评估逻辑，保留人工校验完整性，显著降低动态训练系统构建门槛。目前项目已开源GitHub，未来计划集成LLM自动解析失败轨迹并生成规则代码，推动动态环境学习向工业级应用落地。