这个工具是做什么的
让智能体从真实交互里持续变强，通常要自己把三样东西焊起来：推理服务、反馈采集、和训练完之后的版本切换，中间还夹着「更新时不能断服」这个没人愿意写的部分。Reef 把这套做成开源基础设施。它给自己的定位是补上推理引擎与 RL 训练框架之间的空缺：vLLM、SGLang 这类引擎能服务线上流量但不能训练权重，Slime、veRL、AReaL 这类框架能训练但不能服务，也不管版本；Reef 三件事都做，并且能改进权重之外的东西——提示词、规则、技能这些 harness 层面的配置同样在学习范围内。它的学习循环是四步：服务请求并记录交互、采集反馈、产出更新、把通过验收的更新提交进版本历史，切换版本时服务不停。使用时按目标分三条路：想要一个为自己场景训练出来的模型权重，需要可训练模型加支持的 GPU 栈；只想让 harness 自改进，只需要一个模型 endpoint、一批有代表性的任务和一个评估器，本地不需要训练卡；做研究性质的测试时训练，则需要执行环境、正确性检查器和可度量目标。PyPI 包名为 reef-infra，要求 Python 3.12+，仓库 2026 年 8 月底建，两周多拿到 2.5k 星，提供中英文文档。
基本信息
- 分类：AI Agent
- 厂商 / 团队：Human-Agent-Society（开源，Apache 2.0）
- 价格：免费（开源，Apache 2.0）
- 收录日期：2026-09-17
- 官网：github.com
适用场景
持续学习 · 自改进 · 强化学习 · SGLang · 版本管理 · 开源