已收录文章摘要，完整内容可前往原文阅读。
在任意 Harness 中训练 Agent，为什么难以实现？目前的难点在于，harness 推理通常是有状态、多进程的。主流开放 RL 框架默认本地 rollout，难以直接复用原始harness；如