# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：General Reasoning (@GenReasoning) · 平台：X (Twitter) · 日期：2026-04-22

> 原始來源：https://x.com/genreasoning/status/2046556945817927821

## 中文摘要

Firehorse發布，消除OpenReward環境中Agent harness整合障礙。

Firehorse是Python函式庫，於2026年4月21日發布，橋接熱門Agent harness與OpenReward環境，讓使用者無需自訂工具集，即可任意模型搭配任意harness在任意環境中取樣軌跡。此早期實驗性函式庫支援Claude Code、ReSum、Codex及Gemini CLI等Agent類型，強調並行執行與即時串流至OpenReward平台。

**支援的Agent類型**  
Firehorse整合多種Agent，適配OpenReward環境工具集：  
- `claude-code`：透過MCP工具伺服器，使用Claude Code CLI評估模型（測試版v2.1.88）。  
- `resum`（預設）：ReAct變體，具脈絡壓縮功能，總結先前步驟以支援更長情節。  
- `codex`：整合OpenAI Codex Agent（測試版v0.121.0），適用程式碼導向環境。  
- `react`：直接LLM API的Reason-Act迴圈。  
- `gemini`：Google開源Gemini CLI（測試版v0.38.2），透過MCP工具支援環境評估。  

這些Agent相容多供應商，包括OpenRouter、OpenAI、Anthropic、Google Gemini及自訂OpenAI相容端點。

**模型供應商與思考控制**  
Firehorse支援廣泛模型提供者，並透過`--effort`旗標精準控制模型思考深度，映射至各供應商原生機制：  
- Anthropic：Adaptive thinking（low/medium/high/max，max限Opus）。  
- OpenAI：`reasoning_effort`（low/medium/high/xhigh）。  
- Google Gemini 3.x：`thinking_level`（low/medium/high）。  
- OpenRouter：透傳至底層供應商。  
不支援思考的模型（如GPT-4.1）會忽略旗標。範例指令如`firehorse --env GeneralReasoning/CTF --model anthropic/claude-sonnet-4-6 --effort high`，啟用高強度思考；或`--effort low`加速執行。

**主要使用情境**  
Firehorse聚焦評估與中間訓練資料生成兩大工作流程，透過單一指令實現大規模軌跡取樣。

**評估工作流程**  
使用者可輕鬆評估任意模型於OpenReward環境，例如「Terminal-Bench-2-Verified」基準測試包含89項終端軟體工程任務，涵蓋編譯、加密、資料處理、機器學習、系統管理及科學運算。只需一指令：  
```
firehorse --env GeneralReasoning/terminal-bench-2-verified --agent claude-code --model anthropic/claude-sonnet-4-6
```  
Firehorse自動適配harness專屬工具集、並行執行試驗，並即時串流結果至OpenReward。輸出結構化JSONL軌跡，內含獎勵分數、token使用量及成本估計。

**中間訓練資料生成**  
適用大規模軌跡取樣，例如「SWE-rebench-V2」（Nebius提供）包含逾32,000項真實軟體工程任務，涵蓋Python、JavaScript、Go、Rust等語言，為Agent程式碼軌跡之豐富來源。指令範例：  
```
firehorse --env nebius/SWE-rebench-V2 --split train --agent react --model openrouter/z-ai/glm-5.1 --n-concurrent 8 --output-dir ./trajectories
```  
每條軌跡記錄完整Agent互動，包括工具呼叫、觀察及獎勵，以結構化JSONL格式輸出，直接匯入訓練管線。高並行度支援數千任務，建構大型微調資料集。

**快速入門與先決條件**  
安裝僅需`pip install firehorse-cli`，Python 3.10+環境，並設定環境變數：  
- `OPENREWARD_API_KEY`（自openreward.ai/keys取得）。  
- LLM供應商金鑰，如`OPENROUTER_API_KEY`。  
特定Agent需預裝CLI：Claude Code v2.1.88、Codex v0.121.0、Gemini v0.38.2。範例執行：  
```
firehorse --env Eigent/SETA --agent claude-code --model openrouter/moonshotai/kimi-k2.6 --split train --output-dir ./kimi-seta
```

**CLI參數參考**  
核心指令：`firehorse --env ENV --model MODEL [OPTIONS]`。關鍵選項包括：  
- `--agent`：指定類型（預設resum）。  
- `--split`：任務分割（預設test）。  
- `--n-concurrent`：最大並行試驗數（預設1）。  
- `--max-tasks` / `--max-turns`：限制任務數或工具呼叫回合。  
- `--effort`：思考強度（none/low/medium/high/max/xhigh，預設none）。  
- `--output-dir`：軌跡日誌目錄。  
- `--disable-builtin-tools`：停用特定工具。  
其他如`--run-name`、`--secret`、`--use-all-filesystem-tools`（codex專用）提供細緻控制。

**輸出格式與細節**  
指定`--output-dir`時，產生完整檔案結構：  
```
output_dir/  
├── run_result.json          # 所有試驗彙總結果  
├── trial_0.jsonl            # 完整Agent軌跡  
├── trial_0_result.json      # 單試驗摘要（獎勵、token、成本、持續時間）  
├── trial_0_rewards.jsonl    # 每工具呼叫獎勵訊號  
└── ...  
```  
單試驗結果欄位涵蓋`reward`（最終獎勵）、`finished`（任務完成）、`turns_used`（工具回合數）、`input_tokens` / `output_tokens`（總token）、`cost_usd`（API成本估計）、`duration_seconds`（實際時間）。  

JSONL軌跡統一bookend事件（如`openreward_prompt`、`openreward_summary`），中間依Agent類型變動：API Agent（react/resum）產生標準化事件（`assistant`、`tool_call`、`tool_result`）；CLI Agent（claude-code/codex/gemini）透傳原始串流格式。獎勵訊號另存`trial_*_rewards.jsonl`及OpenReward rollout。

**實驗性質與未來**  
Firehorse為早期實驗函式庫，測試OpenReward新可組合工具集功能，預告更多支援即將推出。採用Apache 2.0授權，歡迎貢獻Pull Request。完整文件見docs.openreward.ai，GitHub：https://github.com/GeneralReasoning/firehorse，發布頁：https://gr.inc/releases/introducing-firehorse。透過消除harness與環境配接摩擦，Firehorse加速模型評估與開源Agent資料收集，強化中間訓練生態。

## 標籤

Agent, 開源專案, 新產品, Claude Code, Codex, Gemini Cli, Harness, Firehorse, OpenReward, Anthropic