ARTICLE · 人工智能
自进化也能“左脚踩右脚”？Google 最新提出 EnvHarness：环境自进化，倒逼 Agent 疯狂进化！
一语总结文章介绍 Google 提出的 EnvHarness 框架，通过让环境自进化来倒逼 Agent 持续提升，并在 SWE-bench Verified 上实现性能稳步增长。
文章首先阐述 Agent 与环境交互的基本模型，指出现有自进化 Agent 主要依赖单向探索，提出是否可以让环境也随之进化。接着详细描述 EnvHarness 的三个核心组件——开局(Stage)、法则(Contract)和串联(Chain)，以及如何通过环境搭建师(EnvRigger)实现观察、诊断、编写、验证的四步闭环，使环境能够根据 Agent 表现动态施压。实验部分展示了在 SWE-bench Verified 基准上，Agent 成功率从 47.67%提升至 54.79%，即使环境数量增加到 300 个，性能曲线仍保持上升趋势，未出现平台。最后列出未来工作方向，包括扩展组件库、拓展至非文本环境和探索语义化组合。全文结构清晰，配有图表和链接，兼顾概念解释与实证结果。
- EnvHarness 通过 Stage、Contract、Chain 三种组件在不修改环境底层的情况下动态调整环境。
开局改变 Agent 的起点状态，法则重写交互规则，串联将多个静态环境首尾相连或动态分支，共同实现环境的可编程施压。
- EnvRigger 采用观察-诊断-编写-验证四步闭环，根据 Agent 轨迹自动生成并测试环境脚手架。
先让 Agent 跑任务收集轨迹，再分析其弱点或捷径，生成对应的 EnvHarness 组件，最后在新环境中验证效果，不合格则迭代修改。
- 实验表明 EnvHarness 能够显著提升 Agent 在 SWE-bench Verified 上的成功率，且随环境数量增加仍保持增长。
Agent 成功率从 47.67%提升到 54.79%，提升 7.12 分；即使环境数量达到 300 个，性能曲线未出现平台，表明持续的螺旋式协同进化。
自进化也能“左脚踩右脚”？Google 最新提出 EnvHarness：环境自进化，倒逼 Agent 疯狂进化！
文章首先阐述 Agent 与环境交互的基本模型，指出现有自进化 Agent 主要依赖单向探索，提出是否可以让环境也随之进化。接着详细描述 EnvHarness 的三个核心组件——开局(Stage)、法则(Contract)和串联(Chain)，以及如何通过环境搭建师(EnvRigger)实现观察、诊断、编写、验证的四步闭环，使环境能够根据 Agent 表现动态施压。实验部分展示了在 SWE-bench Verified 基准上，Agent 成功率从 47.67%提升至 54.79%，即使环境数量增加到 300 个，性能曲线仍保持上升趋势，未出现平台。最后列出未来工作方向，包括扩展组件库、拓展至非文本环境和探索语义化组合。全文结构清晰，配有图表和链接，兼顾概念解释与实证结果。
文章金句
"环境就像一个越来越苛刻的顶级陪练。
"Agent 的成功率从最初的 47.67% 一路狂飙至 54.79%（足足涨了 7.12 分）！
"即便环境数量叠加到了 300 个，它的性能增长曲线依然保持着强劲的上升势头，丝毫没有停滞的迹象。