Infini-AI-Lab 开源 Hermit：在冻结模型与工具链前提下训练智能体 harness 适配器

Infini-AI-Lab 发布开源框架 Hermit，用于在智能体自身模型与 harness 保持冻结的情况下，训练外部“harness 适配器”。首个版本 v0.1.0 于 2026 年 10 月 25 日发布，卡内基梅隆大学博士后 Haizhong Zheng 于 10 月 27 日在 X 上公布。开发者可借此把 Codex 或 Claude Code 等智能体适配到新任务，而无需微调模型或分叉改造原有 harness。Hermit 是纯 Python 框架，自身不含可训练参数，采用 Apache-2.0 许可，可通过 pip install hermit-harness 安装；离线 Quick Start 无需 GPU、模型账号或数据集，实际运行可接任意 API 后端，或本地 vLLM、SGLang、Ollama 服务。团队报告称，在 OfficeQA、CL-Bench 与 ServeLearnBench 上，以 GLM 5.3 Flash 为骨干时相对无适配器基线有提升；其中 MWM 适配器在 CL-Bench 数据库探索任务准确率达 0.795，高于上下文学习基线的 0.580，而仅提示词适配器在同任务仅 0.470，低于该基线。文中强调其优点是用同一训练循环覆盖五种 harness 演化方法，局限则是多数结果为单次运行且属自报数据。所谓 harness 适配器类似带训练能力的插件：模型适配器（如 LoRA）改模型，harness 适配器则改已有智能体的外部工具链行为。