WorkForge – 腾讯联合复旦推出的智能体训练环境构建框架

WorkForge是一款由腾讯混元与复旦大学于2026年10月联合推出的智能体训练环境构建框架，主要用于从真实数字资源规模化搭建可验证的工作环境，支持按专家蓝图检索真实代码仓库与数据集、以工作区内可核对的事实生成任务与验收标准，适用于长程工作智能体的训练数据生产、能力评测与垂类工作流数字化等场景。

WorkForge 的核心能力

WorkForge 的管线分为四段：写蓝图、搭工作区、出题定标准、执行并打分。四段之间以工作区里真实存在的文件与事实为纽带，任务与验收标准都能回溯到具体证据。这套思路与 腾讯混元大模型 一侧持续开源智能体组件的方向一致，区别在于它把重心放在数据环境，而非模型本身。

从专家蓝图生成工作区

专家先把一类工作梳理成场景蓝图：交付什么、需要哪些材料、要做哪些关键判断。教学过程可以写成「测验后归类错题、再针对性讲解」，换一套试卷与教材就构成新的工作区与新任务。WorkForge 据此按蓝图检索代码仓库、数据集与网页资料，确认可用后放进工作区，并保留原有目录结构。保留真实结构是刻意选择：软件项目里的源码、文档、测试与配置本就散落在不同目录，而合成环境往往只有一份说明、一个脚本与一份示例数据。

给工作区做事实画像

工作区搭好后，框架先逐个文件判定用途，并记录一批可以直接核对的具体事实，作为事实锚点。这一步决定工作区能承载哪些题型、结果如何判分。任务说明、参考解法与验收标准都从锚点推出，参考解法里的关键事实还会回到工作区复核，避免题目脱离材料。

锚点驱动的双层验收

验收分两条通道：数值是否正确、文件是否生成，交给程序化检查自动核对；分析是否到位，由 LLM 评委按评分细则给出语义得分。两条通道同时挂在一份任务包上，任务包分为可见的工作区与任务说明，以及隐藏的参考解法与验证器，执行方看不到后者。

保存可复用的执行轨迹

AI 智能体在任务阶段只能看到工作区与任务说明，需要自行翻阅目录、理清文件关系，把散落的证据拼成可交付成果。打分完成后，整段操作过程连同分数一并保存，成为后训练素材。框架记录的不仅是最终交付物，还包括浏览目录、定位文件、交叉核对与出错后重新规划的全过程。

WorkForge 与同类框架的对比

下表列出基于 WorkForge 训练的模型与两种环境合成路线所训练模型在同一轮评测中的成绩，数值取自论文正文与附录的同一张结果表。

上表 WorkForge-A3B 一列取自论文附录，另两列为同表基线。三列的差异主要来自环境取材方式：GDPval 得分一行，73.6 对 35.0，真实工作区产出的轨迹更容易迁移到专业交付物；ALE Pass@1更严格，12.4% 对 2.9%，能收尾的长程任务前者明显更多、后者多半完不成；训练环境来源一行决定数据能否追溯，取材真实仓库，验收标准才落得到可核对的证据上。

另一条已经公开代码的路线可以参考 DeepSeek DSec（DeepSeek 公开的大规模智能体训练沙箱平台，提供可复用的沙箱环境与轨迹采集能力），适合先在小规模管线里验证思路，再决定是否自建环境。

WorkForge 的应用场景与适用人群

WorkForge 面向需要长程、多文件与可核对交付物的专业工作，常见场景包括：

• 训练数据生产：为企业与研究机构批量生成带分步轨迹的训练样本，替代逐条手工搭建环境
• 能力评测：以事实锚点驱动的双轨验证作为评测范式，检验智能体在杂乱文件中的探索、取证与交付能力
• 垂类工作流数字化：把内部专家经验写成场景蓝图，派生同一类工作的不同实例，用于培训与考核

适用人群：模型后训练团队与智能体产品研发团队，以及需要把专业工作流程沉淀为可复用数据资产的企业研究院与高校实验室。智能体长期运行还需要记忆与上下文管理，腾讯混元已开源的 Hy-Memory 2.0 提供了同门的一类参考实现，可与环境训练配合使用。

WorkForge 的使用方法

官方当前未发布可安装的软件或公开代码库，可执行的入口是论文给出的方法；以下流程按论文管线组织，适合研究团队复现或按需改造。

1. 核对方法与口径：在 WorkForge 技术论文 页确认四段管线与五个基准的评测设置
2. 整理场景蓝图：把一类工作的交付物、所需材料与关键判断写成结构化清单，标明领域与任务意图
3. 检索真实资源：按蓝图搜集代码仓库、数据集与网页资料，保留目录结构后放入工作区
4. 抽取事实锚点：逐个文件确认用途，记录可直接核对的事实，据此写出任务说明、参考解法与验证器
5. 执行并留痕：让智能体在只读工作区的条件下完成任务，保存轨迹、工具调用与得分

论文给出的评测设置可作为对照：温度 0.7、Top-p 0.9、Top-k 20，单条回复上限 32768 tokens，最大上下文 262144 tokens；后训练使用 5 个 epoch、全局批大小 64。轨迹沉淀之后，长程任务的上下文维护还要另想办法，OpenViking 这类 Agent 上下文数据库处理的是相近问题。

WorkForge 的价格与付费方案

WorkForge 没有付费档位，官方也未开放订阅或按量计费入口，研究团队仅发布论文与技术说明。若要按这套方法自建环境，支出集中在算力与数据整理两端：论文中的后训练以 Qwen3.5-35B-A3B-Base 与 Qwen3.5-27B 为基座，训练 5 个 epoch、全局批大小 64、最大序列长度 256K tokens，属于典型的多卡后训练规模。

代码与权重目前均未公开，官方也没有公布 WorkForge-16K 数据集的对外获取渠道。论文与官方公众号提供的是方法、环境构成与评测结果，可按本文步骤自行复现；企业若要把这套管线接入内部数据，需要另行评估数据合规与模型许可条件。轨迹本身还可以继续用于强化学习，QwenGyre 是阿里千问开源的在线强化学习框架，可作为环境建好之后的下一步方向。

WorkForge 的常见问题