背景與問題
AI agent 指的是能自行規劃步驟、呼叫工具，並根據環境回饋修正行動的模型系統。近年被稱為 self-evolving agents 的自我進化代理，普遍透過改寫自身提示詞（prompt，即輸入給模型的指令文字）與累積新的技能來提升能力；Google 研究人員指出，這類代理幾乎不會去調整自己運作的環境。這帶來一個容易被忽略的瓶頸：當代理在同一份固定的基準測試（benchmark，用來量化能力的標準題庫）上反覆練習，進步曲線終會停滯。起始狀態、規則與回饋對所有學習者、所有階段都完全相同，一旦代理學會解題，環境就再也沒有東西可教，原本用來衡量進步的尺規也失去了鑑別力。
與此同時，替代理生成全新環境的成本相當高，通常得為每個領域單獨搭建產生流程，還要依賴昂貴或不可靠的驗證器（verifier，負責判定任務是否真正完成的機制），即使投入這些資源，做出來的環境本質上仍然是靜態的。Google 研究團隊開源的 EnvHarness，正是為了同時避開「環境不會變」與「生成環境太貴」這兩個問題。
EnvHarness 的運作方式
EnvHarness 在既有的靜態環境外包上一層可編程、由可插拔元件組成的中介層，只改變代理所接觸的介面，不修改代理本身、不更動環境內部結構，也不動評測系統。它沿用環境標準的 reset() 與 step() 介面（reset 負責把環境重置到起點，step 讓代理的一個動作推進一次狀態），並提供三種可互相組合的元件。setup 客製環境的初始狀態，決定代理每回合從哪裡開始；rule 針對代理的行動約束狀態轉移，規定特定動作會被環境如何回應或限制；link 客製代理接收到的觀測（observation，即環境回報給代理的資訊內容與形式）。三者都寫在環境外層，等於只重寫了代理「從哪裡開始、能做什麼、看到什麼」這三件事，而環境原本的內部結構與評分邏輯維持原樣。
對工程團隊來說，這樣的設計意味著不必為每個弱點重寫整個環境或重建驗證流程，只要在現有環境上加一層包裹程式，就能持續製造新的練習條件，既有環境投資不會作廢。
EnvRigger 與共同演化
包裹層本身不會自動知道該改哪裡，框架內建的 EnvRigger 負責這個判斷。它的流程分成四步：分析代理行為、辨識反覆出現的弱點、生成針對性的環境修改，再透過一輪新的互動驗證這些修改確實有效。反覆執行這個迴圈，代理與環境便進入持續的共同演化狀態；研究人員表示，隨著客製任務數量增加，這種累積效果會被放大，形成複利式的表現提升。由於所有改動都發生在外層介面上，原始任務定義與人工建置的驗證器得以保留，不同環境版本之間的結果也因此仍然具備可比性。
實測結果
Google 的論文指出，加上 EnvHarness 這一層之後，代理在多項基準上的表現都有提升，而且代理的核心邏輯完全未被修改。涵蓋的基準包括 WebArena（評量網頁操作能力）、SWE-bench Verified（以真實軟體缺陷修復為題的程式設計基準）與 ALFWorld（文字形式的居家環境任務）。受測模型包含 Gemini 3.1 Flash-Lite、Qwen3.6 27B、Gemini 3.5 Flash 與 Claude Sonnet 4.6，四者提升幅度介於 2.9 至 3.7 個百分點。研究團隊的結論是，EnvHarness 在靜態環境已無法再帶來收益之處仍維持穩定增益，並透過與領域無關的介面跨領域套用，還能藉由修正代理的浪費行為來提高效率。
影響與限制
外界評論的重點集中在這層介面的選擇上。Marketechpost 創辦人兼執行長 Asif Razzaq 在 LinkedIn 表示，EnvHarness 透過標準的 reset/step 介面包裹既有環境，原本的任務與人工驗證器維持不變，外包層則由設計者根據代理自身執行紀錄（rollout，即實際跑出來的過程）中發現的缺陷來撰寫。DevOps 工程師 Aniket Kumar 強調，setup、rule 與 link 形成的抽象（他分別稱為 Stage、Contract 與 Chain）保留了基準驗證器，避開了其他環境擴展路線常見的陷阱。
就限制而言，2.9 至 3.7 個百分點的提升屬於穩定但幅度有限的改進，並非跳躍式突破；這個框架改善的是環境的供給方式，不會直接強化模型本身的能力；而 EnvRigger 生成的修改仍必須靠新一輪互動來驗證，驗證所需的成本與可靠性問題，並沒有因為改動被限制在外層就自動消失。這篇報導由 Sergio De Simone 於 2026 年 10 月 16 日發表在 InfoQ，歸入 AI、機器學習與資料工程主題。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。