OpenHands 智能体不用重建训练框架，也能拿自己的配置直接训练模型。OpenHands 与 Snowflake AI Research 11 月 3 日在官方博客公布了一套后训练方案：开发者沿用 Agent SDK 现成的提示词、工具和技能配置，用 Harbor 格式定义任务，即可对开放权重模型做强化学习训练，算力由 Cortex Training 提供。价值在训练与部署共用一套配置。
关键是训练用的就是部署用的那套东西：每次 rollout 真实执行一次智能体，提示词、工具、技能和轮次上限按配置传入，不在另一个框架里重建；代理层只把模型每轮生成的 token 记为训练数据，提示词和工具结果不计入损失。任务用 Harbor 格式描述，测试得分即奖励信号，rollout 在 Cortex 沙箱里运行。配套的 cortex-training-rl 技能在 OpenHands/extensions 里：开发者一句话描述目标，智能体负责启动器、GPU、任务与奖励曲线，结束释放资源；本地只跑 CPU 上的 rollout，训练采样在 Cortex Training GPU 上进行，默认 4 块 H200。
实测：Qwen3.5-4B 在 25 步里学会了定位代码
验证用代码定位任务：智能体拿到 Python 仓库的 GitHub issue，从 SWE-smith 数据集里找出需改的文件、模块和函数。配置只有定位提示词、终端工具和提交答案的 localization_finish 工具，上限 10 轮，奖励为三层 F1 之和，满分 3.0。Qwen3.5-4B 训 25 步、每步 64 次 rollout，效果与专用强化学习实现相当，整轮只用几个小时。横向看，GDPx 智能体评测最强模型只拿 12%，通用评测离真实工作流仍有距离，按自家配置训练正是要补这一段。
谁适合马上试，谁要先看清限制
方案面向已在用 OpenHands、手头有 Harbor 任务的团队，还需开通 Cortex Training 的 Snowflake 账号。限制也要看清：训练期间只能用终端改文件，file_editor 暂不可用，每条命令都在新 shell 里执行，环境变量与后台进程不保留；GPU 默认面向 Hopper。条件齐备可直接从 cortex-training-rl 起步；否则先把任务写成 Harbor 格式、把配置收进 SDK。
