Infini-AI-Lab 'Hermit' — 모델·하네스 동결하고 외부 어댑터만 진화시키는 프레임워크

Infini-AI-Lab · GitHub · ax-trend 이슈 #3549 · 2026-10-27 공개

Hermit — 모델·하네스 동결, 외부 어댑터만 진화
핵심 — 바꾸는 것은 모델이 아니라 모델 바깥의 어댑터입니다

에이전트를 고치고 싶을 때 모델부터 건드릴 필요는 없습니다

Haizhong Zheng은 2026-10-27 02:22 X 게시물로 Hermit 공개를 알렸습니다. Hermit은 Infini-AI-Lab의 오픈소스 프레임워크입니다. 이 프레임워크의 입장은 분명합니다. 모델과 하네스는 바꾸지 않습니다. 외부 하네스 어댑터만 진화시켜 에이전트를 새 작업에 적응시킵니다.

이 구분이 중요한 이유는 실무의 제약과 맞닿아 있기 때문입니다. 모델 가중치를 다시 학습시키는 일은 비용이 크고, 상용 에이전트의 하네스는 손대기 어려운 블랙박스인 경우가 많습니다. Hermit은 그 바깥에 학습 가능한 계층을 하나 더 두는 방식으로 문제를 우회합니다. 기존 하네스를 뜯지 않고 외부 계층에서 학습과 버전 관리, 배포까지 이어지게 만든 점이 이 프로젝트의 차별점입니다.

하네스 어댑터 구성

하네스 어댑터는 학습 지원이 내장된 플러그인입니다. 지침과 스킬, 메모리와 도구, 실행 코드, 에이전트 협업 로직을 담을 수 있습니다. 다시 말해, 에이전트가 일을 처리하는 방식을 구성하는 요소들을 하나의 교체 가능한 단위로 묶은 것입니다.

이 구조가 주는 실무적 이득은 버전 관리에 있습니다. 프롬프트를 조금 고치고 스킬을 하나 바꾸는 작업이 어댑터 단위로 남습니다. 어떤 어댑터가 어떤 작업에서 잘 돌아갔는지 추적할 수 있고, 문제가 생기면 이전 어댑터로 되돌리는 판단도 쉬워집니다. 모델을 통째로 바꾸는 방식에서는 얻기 어려운 운영 감각입니다.

지원하는 진화 방법 5종과 출시 예정 2종

Hermit이 지원하는 진화 방법은 5종입니다. ACE와 ReHarness는 출시 예정으로 표기되어 있습니다.

방법상태
GEPA지원
SkillOpt지원
MetaWorld Model지원
Harness²지원
Continual Harness지원
ACE출시 예정
ReHarness출시 예정

방법이 여러 개인 점 자체가 Hermit의 주장과 연결됩니다. 하나의 진화 기법에 종속되는 대신, 어댑터라는 공통 인터페이스 위에서 여러 방법을 갈아끼울 수 있다는 것입니다. OfficeQA와 CL-Bench, ServeLearnBench 같은 레시피로는 방법별 성능을 재현할 수 있다고 README는 설명합니다. 다만 레시피별 실제 모델 성능 수치는 각 작업 README에 따로 있어, 이번 이슈에는 검증된 실측 수치를 싣지 않았습니다.

훈련 루프는 실행과 피드백을 반복합니다

훈련 루프는 강화학습 방식입니다. 실행과 피드백, 판정과 제안을 반복하며 어댑터를 갱신합니다. 에이전트가 작업을 실행하고 결과를 받아, 그 피드백을 근거로 다음 어댑터 제안을 만드는 순환 구조입니다.

Hermit이 어댑터를 진화시키는 순서 — 동결, 학습 루프, 진화 방법 적용, 플러그인 변환, 배포
흐름 — 동결한 상태에서 어댑터만 학습하고, 끝에는 네이티브 플러그인으로 변환합니다

이 흐름은 같은 문제를 파고 있는 다른 프레임워크들과 나란히 놓고 볼 때 의미가 더 또렷해집니다. Google의 Harness²와 RRSI, HERD는 모두 동결된 모델을 새 작업에 적응시키는 법을 각기 다른 각도에서 다루고 있습니다. Hermit은 이 방법들을 하나의 어댑터 인터페이스로 묶었다는 점에서, 방법 자체보다 연결 방식에 방점을 찍고 있습니다.

바로 써보는 방법

설치는 PyPI 패키지 hermit-harness로 합니다. Python 3.11 이상이 필요하며, 라이선스는 Apache-2.0입니다. 학습과 평가, 배포는 CLI로 다룹니다.

pip install hermit-harness
hermit check
hermit eval
hermit train
hermit deploy
hermit convert

학습된 어댑터는 네이티브 플러그인으로 변환할 수 있습니다. 변환 대상은 Codex와 Claude Code, Pi, Hermes입니다. 평소 쓰던 코딩 도구의 네이티브 플러그인 형태로 어댑터를 얹을 수 있다는 뜻이며, 도입 장벽을 낮추는 지점입니다.

레포 규모는 이슈 기준으로 이렇습니다. 레포는 2026-09-18에 생성됐고, 스타 139개, 포크 6개, 커밋 190개입니다. 아직 작은 규모의 오픈소스 프로젝트라는 점을 염두에 두고 접근하는 편이 안전합니다.

수치를 읽기 전에 세 가지를 확인하시기 바랍니다. 첫째, 내장 데모의 0.0에서 1.0으로 오르는 수치는 구성된 예제이며, README는 이 수치가 실제 모델 성능 결과가 아니라고 못 박고 있습니다. 둘째, 레포 생성일(2026-09-18)과 10/27 공개 안내 사이에는 간극이 있어, 이번 안내가 신규 공개인지 기존 레포의 정식 안내인지는 미확인입니다. 셋째, Harness²나 RRSI 등 유사 프레임워크와 직접 비교한 수치는 미확인입니다.

실무 판단: 우선 적용 위치

실무 판단은 이렇게 정리됩니다. 모델 재학습이 부담스럽거나 하네스를 직접 손대기 어려운 환경에서, 프롬프트와 스킬, 메모리 같은 계층을 실험 단위로 관리하고 싶을 때 Hermit의 어댑터 방식이 맞습니다. 다만 성능 주장은 아직 검증된 실측 수치가 아니라 README 수준의 설명에 머물러 있으니, 도입 전에 자사 작업으로 작은 어댑터 하나를 학습시켜 효과를 직접 재보는 과정이 필요합니다.

에이전트 개발자 입장에서 이 프레임워크가 던지는 질문은 단순합니다. 모델을 바꾸지 않고도 에이전트를 계속 갈고닦을 수 있는 계층을, 우리 팀은 어디에 두고 있습니까. 그 답이 아직 없다면 Hermit은 그 계층을 외부 어댑터라는 형태로 제시하는 후보 중 하나입니다.

원문 이슈

AI 코딩에이전트 모델AX Trend