正在整理你需要的资料…
训练会调工具的 Agent,模型服务、轨迹生成、工具执行、验证奖励、策略更新散在几个脚本里,跑一遍对不上。HarborRL 把它们收成一条可复现流水线,支持 GRPO/DAPO、200 多个沙箱任务与 40 多种 harness。
适合想复现或训练会调工具的编码 Agent 的研究者;仓库提供离线配置向导、本地 Web 控制台和不依赖 GPU 的 CPU 走查流程。
HarborRL
训练会调工具的 Agent,模型服务、轨迹生成、工具执行、验证奖励、策略更新散在几个脚本里,跑一遍对不上
下面是把仓库 README 逐节读完后归纳出的中文要点。
公布近期进展:新增离线配置向导与本地网页控制台,可做配置、校验、空跑、启动训练与查看日志;另加控制器与 GPU 部署配置及可选的沙箱执行。
定位为在可验证的沙箱任务上训练工具使用型智能体的轻量框架,把模型服务、轨迹生成、工具执行、验证奖励与策略更新串成可复现流水线。
提供离线选项目录与交互式配置:先用 hello 做无需模型与显卡的 CPU 演练并导出批次,再通过网页控制台完成校验、空跑、训练启动与日志查看。
默认 CPU 安装不需要沙箱 SDK 或集群账号,用 uv 同步锁定的开发环境即可,不涉及 CUDA、Docker、模型权重与 Megatron-LM 等重型依赖。
训练用一个固定字段的 YAML 配置:相对路径按该文件解析,命令行可重复覆盖字段并再校验;任务目录用 task.toml、instruction.md、Dockerfile 与测试脚本声明。
本节很短,说明 HarborRL 采用 MIT 许可发布,其余条款细节未展开说明。
uv sync --extra devtask/
├── task.toml
├── instruction.md
├── environment/Dockerfile
└── tests/test.sh| 主要语言 | Python | 许可 | MIT |
|---|---|---|---|
| 创建时间 | 2026-10-12 | 最近提交 | 2026-11-07 |
| 站内采集 | 2026-11-06 起,连续观察 5 天 | 最近一次 | 2026-11-10 |
最近 4 次采集
2026-11-06 129 ★ → 2026-11-10 174 ★ (累计 +45)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。