2026 年 11 月 1 日——卡内基梅隆大学（CMU）博士后 Haizhong Zheng 等研究者于 10 月 26 日通过 X 长文宣布开源 Hermit v0.1.0：一个面向 Harness 进化、持续学习与递归自我改进（RSI）的统一训练框架。该项目采用 Apache-2.0 许可，通过可插拔的 Harness Adapter，让 Codex、Claude Code、Pi 等智能体在不改动底层模型与原有 Harness 的前提下，从任务反馈中持续改进工作方式。截至 11 月 1 日，其 GitHub 仓库已获 436 星标。

据智猩猩 10 月 29 日报道，当前的 Harness 进化研究存在比较难题：不同工作各自采用 Benchmark、训练配置与评估方式，如同运动员既参加比赛又自己制定规则、担任裁判，成绩难以公平比较。Hermit 的定位是把不同进化算法放进同一套训练流程，在统一的模型、工具、评估器与任务条件下对比实际效果；官方发布文表示，试用一种新的进化方法不应要求重建一整套训练基础设施。

核心机制：Harness Adapter

Hermit 引入的核心概念是 Harness Adapter（Harness 适配器）：一个可训练的外部 Harness，官方将其类比为"自带训练支持的插件"。正如模型适配器在不改动底座的情况下适配模型，Harness Adapter 在不改动原有 Harness 与模型的情况下，让既有智能体适配新场景。

官方文档列出该设计的三点考虑：一是无需改动现有 Harness，降低改造成本，规避直接修改内部组件破坏原有协作流程的风险；二是适配器具备可迁移性，可在兼容的模型与 Harness 之间复用；三是适配器可从任务反馈持续训练，把执行经验转化为外部配置的更新。

适配器可包含指令、技能、工具、记忆、可执行代码乃至完整的外部 Harness 仓库；其规格文件定义哪些部分可学习、哪些必须保持固定。训练遵循类强化学习循环：任务执行、评估器反馈、进化算法提出修改、合法性检查、版本保存，进入下一轮迭代，每个被接受的更新都会成为适配器的新版本。

七种进化方法，ACE 计划中

Hermit 不绑定单一优化方法。官方文档显示，目前已支持 7 种 Harness 进化方法：GEPA、SkillOpt、MetaWorld Model（MWM）、Harness²、Continual Harness、ReHarness 与 Meta-Harness Adapter，其中 ReHarness 与 Meta-Harness Adapter 为 10 月 26 日发布后新增；ACE（Agentic Context Engineering）列为计划支持。各方法保留自身的更新逻辑与评估协议，共享框架的接口与基础设施。

部署目标与基准配方

部署环节，训练好的适配器可通过 hermit deploy 命令挂载到智能体工作区，支持目标包括 Codex、Claude Code 与 Pi；通过 hermit convert 导出为原生插件时，另支持 Hermes 目标。官方本地示例演示了完整闭环：一个只会原样输出小写文本的教学智能体，在收到评估反馈后把"输出大写"规则写入 ADAPTER.md，评估分数从 0.0 提升到 1.0，全程无需 GPU、模型账号或数据集下载。

基准配方方面，官方提供 OfficeQA、CL-Bench（数据库、扑克）与 ServeLearnBench 三组持续学习任务，以及一个五智能体协作证明 Lean 定理的适配器示例。以 OfficeQA 为例，官方实测使用 GLM-5.3 Flash 担任执行与学习模型（中等推理力度）、Codex CLI 0.162.0 执行，评估覆盖 172 道测试题；GEPA 与 SkillOpt 在 50 道题上训练、24 道验证题上筛选，结果为 4 次独立训练的均值。官方文档同时把"跨兼容模型与 Harness 的可迁移复用"列为适配器设计目标，实际跨任务泛化效果有待更多独立实测。

项目数据速览

项目 数据
框架名称 Hermit
主导者 CMU 博士后 Haizhong Zheng 等（GitHub 组织 Infini-AI-Lab，发布文列名贡献者 8 人）
首次公开发布 2026 年 10 月 26 日（v0.1.0）
许可 Apache-2.0
GitHub 星标 436（截至 11 月 1 日）
已支持进化方法 7 种（另 ACE 计划中）
部署目标 Codex、Claude Code、Pi（导出插件另支持 Hermes）
基准配方 OfficeQA、CL-Bench、ServeLearnBench、Lean 五智能体协作示例
运行环境 Python 3.12+，PyPI 包名 hermit-harness

上手方面，读者可通过 python -m pip install hermit-harness 安装核心框架，或克隆仓库后以可编辑模式安装并运行官方配方；项目文档开放了自定义进化算法（Evolver）、适配器设计与任务集成的接入接口。