谷歌科研人员开源EnvHarness框架，这是一套可自主调整智能体训练环境的动态学习机制，无需改动智能体、环境及评估体系即可实现智能体迭代升级。当前智能体自进化普遍依赖改写提示词、获取新技能，却难以对运行环境进行适配，固定环境下持续优化的智能体易陷入性能停滞。面对环境生成成本高昂、依赖静态化流水线且验证不可靠等困境，EnvHarness应运而生。该框架以可插拔组件封装静态环境，通过变异重塑交互接口，提供setup、rule、link三类组件，搭配EnvRigger智能触发，实现智能体与环境跨域持续共同进化，在WebArena、SWE-bench Verified等多项基准测试中性能显著提升，性能增益可扩展并随定制任务扩展。这一创新既解决了静态环境无法支撑智能体持续学习的问题，也为智能体在不同场景下的高效自适应训练提供了可落地的技术路径。
--91likeyou---
EnvHarness 使用标准的 reset() 和 step() 接口来包装现有环境，并提供三种可组合组件：setup，用于自定义环境的初始状态；rule，用于根据智能体的动作约束状态转换；以及 link，用于自定义呈现给智能体的观察结果。
该框架还引入了 EnvRigger，它通过分析智能体行为、识别反复出现的薄弱点、生成有针对性的修改方案，并通过新的交互进行验证，自动确定如何针对特定智能体调整环境。
反复运行 EnvRigger 循环能够实现智能体与环境之间持续的共同进化，带来复合式的性能提升，并且该提升效果可随定制任务数量有效扩展。
谷歌的论文提到，添加 EnvHarness 层后，智能体在 WebArena、SWE-bench Verified、ALFWorld 等多个基准测试上的表现均有提升，且无需修改核心逻辑。研究人员测试了多个模型，包括 Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash 和 Claude Sonnet 4.6，所有这些模型的性能都提升了 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带来了持续的性能提升，通过领域无关的接口实现了跨领域泛化，并通过修正无效行为提高了效率。
Marketechpost 创始人兼首席执行官 Asif Razzaq 在 LinkedIn 上这样评论 EnvHarness：
它通过标准的 reset/step 接口封装现有环境，原始任务以及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智能体运行轨迹中发现的缺陷编写这层封装逻辑。
同样，DevOps 工程师 Aniket Kumar 强调，Stage（setup）、Contract（rule）和 Chain 提供了一种干净的抽象，保留了基准验证器，避免了其他环境扩展方法的一个常见陷阱。
查看英文原文：
🔥 热词：#谷歌推出企业级AI智能体 · #谷歌推出智能体计算引擎 · #谷歌推出Gemini智能体 · #谷歌将Gemini打造成面向企业AI智能体 · #谷歌首席科学家警告AI智能体攻击 · #谷歌的智能体 · #谷歌的智能体叫什么来着 · #谷歌开放AI智能体平台