通过代理将真实编码工具转化为强化学习环境

核心信息

Claude Code、Codex、Hermes、Pi、opencode 等编码工具可通过开源捕获代理转化为强化学习环境，无需改动工具或训练代码。

要点

• 同一模型在 Mini-SWE-Agent 下得 62%，在 Claude Code 下仅 33%，说明工具选择影响显著
• 在真实工具内训练通常需要将其重写为环境，导致模型常在没人实际使用的脚手架中训练
• 解决方案是捕获代理：工具以为在和模型 API 对话，实际连接的是支持四种格式（OpenAI Chat Completions、OpenAI Responses、Anthropic Messages 等）的代理
• 支持任意开源模型、任意任务集，完全开源