Una nuova proposta per l’adattamento degli agenti IA

Infini‑AI‑Lab ha annunciato il 27 ottobre 2026 il rilascio di Hermit, un framework open source scritto in Python che consente di addestrare un “adattatore di harness” esterno, lasciando immutati sia il modello dell’agente sia il suo harness. La versione iniziale, 0.1.0, è stata pubblicata il 25 ottobre 2026 e può essere installata con pip install hermit-harness. Distribuito sotto licenza Apache‑2.0, Hermit non richiede parametri propri, né GPU, né account modello, né set di dati per avviarsi offline.

Le esecuzioni reali funzionano con qualsiasi API o con server locali come vLLM, SGLang o Ollama, garantendo una grande flessibilità per gli sviluppatori. Il laboratorio ha riportato miglioramenti rispetto alle baseline senza adattatore su diversi benchmark, tutti valutati con il modello GLM 5.3 Flash.

Prestazioni sui benchmark più recenti

Su OfficeQA, CL‑Bench e ServeLearnBench, Hermit ha mostrato guadagni notevoli. In particolare, nell’esplorazione dei database di CL‑Bench, l’adattatore denominato “MWM” ha raggiunto una precisione di 0,795, contro 0,580 della baseline contestuale. L’adattatore limitato al solo prompt ha ottenuto 0,470 sullo stesso test, evidenziando l’importanza di un harness più completo.

È importante sottolineare che la maggior parte dei risultati proviene da esecuzioni uniche, pubblicate dagli autori stessi, e non sono ancora state replicate in modo indipendente.

Obiettivi per gli sviluppatori

L’obiettivo principale è consentire a sviluppatori di adattare agenti come Codex o Claude Code a nuove attività senza dover affinare il modello o forcare il harness. Un “adattatore di harness” è, in sostanza, un plugin esterno addestrabile che può contenere istruzioni, competenze, memoria, strumenti, codice eseguibile, logica di coordinamento tra agenti o addirittura interi repository.

La sua specifica definisce quali parti sono apprendibili e come validare gli aggiornamenti. Una volta addestrato, l’adattatore può essere distribuito nello spazio di lavoro dell’agente o esportato come plugin nativo per piattaforme quali Codex, Claude Code, Pi o Hermes.

Scelte di progettazione e architettura

Il team di Infini‑AI‑Lab ha basato la progettazione di Hermit su tre motivi principali:

    • Molti harness sono proprietari e chiusi, limitando la possibilità di personalizzazione.
    • Modificare harness aperti può compromettere interazioni finemente sintonizzate tra componenti.
    • Un adattatore appreso può essere trasferito da un modello o harness compatibile a un altro, favorendo la riusabilità.

L’addestramento segue una struttura di apprendimento per rinforzo: un Trainer fa eseguire un batch di compiti all’agente con l’adattatore corrente; un Judge valuta le uscite; un Evolver analizza le traiettorie e i feedback per proporre un nuovo adattatore. Il Trainer verifica la conformità rispetto alla specifica e registra la nuova versione.

Gestione delle versioni e sandboxing

Ogni versione dell’adattatore è conservata in un albero Git, permettendo ispezioni, rollback o distribuzioni puntuali. I programmi di apprendimento possono essere eseguiti in sandbox Linux tramite bubblewrap, garantendo isolamento e sicurezza.

Metodi di evoluzione e personalizzazione

Hermit fornisce cinque metodi di evoluzione predefiniti:

    • GEPA
    • SkillOpt
    • MetaWorld Model
    • Harness²
    • Continual Harness

In aggiunta, sono annunciate altre tecniche come ACE e ReHarness. Gli utenti hanno anche la possibilità di scrivere il proprio Evolver, rendendo Hermit una piattaforma comune per approcci finora sparsi.

Impatto previsto in Francia e nell’Unione Europea

Secondo le valutazioni di Le Fil IA, al momento non vi è un impatto diretto specifico per la Francia o l’UE, ma la disponibilità di uno strumento open source capace di ridurre la dipendenza da soluzioni proprietarie potrebbe favorire l’adozione di tecnologie IA più trasparenti e controllabili a livello europeo.

Prospettive future

Il progetto Hermit è ancora nelle sue fasi iniziali, ma la community open source è invitata a contribuire, testare e ampliare le sue funzionalità. Con l’obiettivo di creare un ecosistema di adattatori di harness interoperabili, Infini‑AI‑Lab punta a semplificare l’integrazione di agenti IA avanzati in contesti industriali, accademici e di ricerca.