Agent 架构梳理

Harness 承载任务执行；观测与数据还原行为，评测与奖励衡量质量，Rollout 与训练更新策略，实验与发布将验证后的版本交付线上。

执行与数据流任务 / 版本 / 发布控制

贯穿闭环的身份

episode / run / step / attempt
policy / harness / environment
dataset / reward / release

Epoch 标识执行权，policy_version 标识生成策略。

共享协议，隔离执行

线上、训练和评测复用 Harness；使用独立任务集、配额、凭证和可重置环境。训练产物经过独立评测与发布门禁后进入线上。

任务生命周期