编程智能体与代码 · 工具介绍
ART
为 Python 智能体接入强化学习训练，记录执行轨迹、设置奖励，并在训练服务器上更新模型适配器。
ART 能做什么
为 Python 智能体接入强化学习训练，记录执行轨迹、设置奖励，并在训练服务器上更新模型适配器。
- 模型训练与部署
如何使用 ART
使用任务执行结果训练智能体
准备输入
- 已有 Python 智能体与可重复的任务
- 可用 GPU 训练环境
- 明确的奖励与独立验证规则
操作步骤
- 安装 openpipe-art，将现有智能体连接到 ART 客户端与服务器。
- 执行任务并记录轨迹，完成后按实际结果为轨迹设置奖励。
- 将轨迹送到服务器训练，检查适配器与独立验证结果，再决定是否继续训练。
预期交付物
- 任务执行轨迹与奖励记录
- 训练后的模型适配器
奖励设计直接影响训练方向；应防止只满足评分而未完成任务的行为，并单独检查 GPU、模型调用和存储成本。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估ART
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
