果园：可扩展智能体AI的开放框架

微软研究院近日开源了一个名为Orchard的智能体AI框架，旨在解决当前智能体研究领域基础设施封闭、难以复现的痛点。该框架的核心是一个可复用的环境服务层Orchard Env，它基于Kubernetes构建，能够支持软件工程、网页导航、个人助理等多种类型的智能体训练与评估，并且可以直接在Codex、OpenClaw等真实部署环境中进行训练，让研究者无需为每个新任务重建底层设施。 Orchard项目同时发布了三个领域专属的训练方案：Orchard-SWE、Orchard-GUI和Orchard-Claw，并配套公开了训练数据和评估方法。其亮点在于，仅使用约30亿活跃参数的小规模开源模型，就在SWE-bench Verified基准上达到了69.7%的通过率，若配合价值模型重排序可进一步提升至73.0%，这一成绩已接近那些参数量大十倍以上的前沿闭源系统。这意味着中小团队也能以较低成本训练出高性能的智能体，不必依赖昂贵的专有基础设施。 背景方面，随着AI从静态问答转向能自主规划、推理并执行多步骤任务的智能体，研究社区面临一个共同瓶颈：顶尖智能体的构建往往依赖定制沙箱、闭源训练管道和专有数据集，普通研究者难以获取或复现。Orchard的设计思路正是将运行环境从特定训练框架中剥离出来，做成一个独立、可扩展的公共服务，从而支持数据蒸馏、强化学习 rollout 等不同训练阶段，也兼容不同智能体系统和任务类型。此外，Orchard还能在Claude Code、Codex这类有状态、多进程的复杂harness中直接训练智能体，这解决了开源工具通常无法处理此类真实部署环境的问题。 对中国跨境电商卖家和AI从业者而言，Orchard的实用价值在于降低了智能体技术的准入门槛。卖家可以利用该框架训练自己的客服、选品分析或网页操作智能体，而无需从零搭建基础设施；AI从业者则能基于其开源数据和评估方法，快速验证新算法或新任务场景。虽然目前框架的部署仍需一定的Kubernetes和工程能力，但其模块化设计和开源许可，为后续二次开发和行业应用提供了清晰的路径。