agent-apprenticeship-seed-dataset_v0.2

Agent Apprenticeship Seed Dataset v0.2是一个开源数据集，专为AI代理学习和改进设计，旨在构建一个生态系统，将真实世界代理工作经验循环转化为集体学习。在该系统中，AI代理通过工作流循环完成任务，并通过迭代执行不断优化，由导师代理或人类评估，最终将工作转化为可重用的经验和数据，以提升未来代理性能。数据集支持跨领域迭代工作流，涵盖从简单任务到复杂专业工作的多种场景，学徒代理与导师代理、用户或人类专家协作完成真实任务，同时每个工作流生成可重用的学习信号。具体包含500多个精选和基础化的种子任务、495个可重用代理课程、1000多个完整代理执行轨迹、1000多个代理工作片段/任务展开、505个完整代理工作经验编译以及39000多个结构化经验编译记录。数据集涵盖多个领域的专业且具有经济价值的任务，是Agent Apprenticeship生态系统的第一层，支持与本地代理（如Codex、Cursor、Claude Code等）及不同模型提供商结合使用，用户可本地运行自动化工作流循环，贡献学习信号到生态系统，并利用共享信号改进自身代理。Agent Apprenticeship Seed Dataset v0.2 is an open-source dataset designed for AI agent learning and improvement, aiming to build an ecosystem that transforms real-world agent work experience cycles into collective learning. In this system, AI agents complete tasks through workflow loops, continuously optimize via iterative execution, are evaluated by mentor agents or humans, and ultimately convert work into reusable experience and data to enhance future agent performance. The dataset supports cross-domain iterative workflows, covering scenarios from simple tasks to complex professional work, with apprentice agents collaborating with mentor agents, users, or human experts on real-world tasks, while each workflow generates reusable learning signals. Specifically, it includes over 500 curated and foundational seed tasks, 495 reusable agent courses, over 1,000 complete agent execution trajectories, over 1,000 agent work segments/task expansions, 505 complete agent work experience compilations, and over 39,000 structured experience compilation records. The dataset covers professional and economically valuable tasks across multiple domains, forming the first layer of the Agent Apprenticeship ecosystem, and supports integration with local agents (e.g., Codex, Cursor, Claude Code, etc.) and various model providers, enabling users to run automated workflow loops locally, contribute learning signals back to the ecosystem, and leverage shared signals to improve their own agents.

原始信息汇总

数据集概述：Agent Apprenticeship Seed Dataset v0.2

该数据集是一个面向AI Agent的开放式训练与评估资源，旨在通过收集真实世界的Agent工作轨迹，构建可复用的学习信号，推动Agent的集体进化。

核心特点

• 真实世界任务驱动：数据集包含500多个经过精心筛选的真实世界任务，覆盖从简单到复杂专业工作的多个领域。
• 可复用的学习信号：每个Agent工作流程都会生成结构化的经验数据，可被生态系统中的其他Agent学习利用。
• 迭代式工作循环：支持Agent通过工作循环（workflow loops）执行任务，并在此过程中持续改进。

数据规模

• 任务数量：500多个精选种子任务
• Agent课程：495个可复用的Agent经验教训
• 执行轨迹：1000多个完整的Agent执行轨迹
• 工作回合：1000多个Agent工作片段/任务推演
• 经验汇编：505个完整的Agent工作经验汇编
• 结构化记录：39000多条结构化经验汇编记录

数据集配置与文件

数据集包含15个配置文件，每个配置文件对应一个JSONL数据文件，覆盖从原始经验到训练信号的完整流程：

配置名称	文件路径	描述
01_experience_compilations	data/01_experience_compilations.jsonl	工作经验汇编
02_traces	data/02_traces.jsonl	Agent执行轨迹
03_trace_steps	data/03_trace_steps.jsonl	轨迹步骤分解
04_skill_packs	data/04_skill_packs.jsonl	技能包
05_runtime_learning	data/05_runtime_learning.jsonl	运行时学习数据
06_training_sft_examples	data/06_training_sft_examples.jsonl	监督微调（SFT）示例
07_training_process_supervision	data/07_training_process_supervision.jsonl	过程监督训练数据
08_training_reward_rows	data/08_training_reward_rows.jsonl	奖励模型训练数据
09_training_verifier_rows	data/09_training_verifier_rows.jsonl	验证器训练数据
10_preference_pairs_summary	data/10_preference_pairs_summary.jsonl	偏好对总结
11_training_critique_revision_pairs	data/11_training_critique_revision_pairs.jsonl	批评-修订对训练数据
12_training_failure_cases	data/12_training_failure_cases.jsonl	失败案例
13_training_task_variants	data/13_training_task_variants.jsonl	任务变体
14_eval_rubric_items	data/14_eval_rubric_items.jsonl	评估准则条目
15_source_evidence_map	data/15_source_evidence_map.jsonl	源证据映射

数据来源与构建

• 所有任务源自真实世界，经过专家或人类在循环中评估与验证。
• 数据由Agent在工作循环中执行任务时自动生成，包括成功与失败的案例。
• 支持本地Agent（如Codex、Cursor、Claude Code、OpenClaw等）以及多种模型提供商。

许可证与语言

• 许可证：Apache-2.0
• 语言：英语（en）
• 标签：agents, ai-agents, agentic-ai, agent-learning, agent-traces, training-signals, loop-engineering, reinforcement-learning, process-supervision, reward-modeling等。

搜集汇总

数据集介绍

构建方式

本数据集的构建立足于真实世界的工作场景，通过精心收集与筛选，汇聚了超过500条源自现实任务的种子数据。其构建过程模拟了智能体在工作流循环中的迭代执行，涵盖了从简单到复杂、横跨多个领域的专门化任务。每条数据均经过去中心化的采集与结构化处理，形成了包括完整任务执行轨迹、工作经历汇编以及可复用智能体经验在内的多层次数据体系。数据集的配置设计采用了分门别类的方式，将经验汇编、轨迹步骤、技能包、运行时学习样本、偏好对、批评修订对及失败案例等细分为15个独立的子集，从而为后续的模型训练与评估提供了高度组织化的素材。

特点

该数据集的核心特色在于其生态化与循环性的设计理念。它不仅收录了超过1000条完整的智能体执行轨迹与任务回滚记录，还囊括了495条可复用的智能体经验与超过39000条结构化的经验汇编记录。这些数据源自真实的经济价值任务，覆盖了从编码助手到定制化智能体等多种主流框架，如Codex、Cursor、Claude Code及Hermes Agent等。数据集强调运行时学习的信号生成，其分层架构支持过程监督、奖励建模与验证器训练，能够为长周期、高复杂度的智能体工作流提供丰厚的训练信号。此外，它还内置了评估标准条目与源证据映射，确保了数据来源的可追溯性与评估的客观性。

使用方法

使用者可通过HuggingFace平台轻松调用本数据集，其采用的分配置设计允许按需加载特定子集，例如加载经验汇编、轨迹步骤或训练用SFT样本等。该数据集特别适合用于强化学习、过程监督模型训练以及奖励模型优化的场景。开发者可以将其与本地智能体工具如Codex、Cursor或Claude Code结合，自动运行工作流循环，并将生成的执行反馈与学习信号贡献回生态系统。数据集的JSONL格式便于集成到主流机器学习框架中，支持直接用于模型的微调、评估基准构建或偏好对齐实验。通过该数据集的共享信号，用户能够持续改进自家智能体的任务执行效率与决策质量。

背景与挑战

背景概述

Agent Apprenticeship Seed Dataset v0.2是一个面向智能体学徒训练的开源数据集，发布于2024年，由致力于推动自主智能体协同学习的开发者社区构建。该数据集聚焦于将真实世界中的智能体完成任务的全过程——包括任务执行轨迹、经验编译、技能模块以及过程监督信号——系统化地转化为可复用的学习资源。其核心研究问题在于如何通过多轮迭代的工作流循环，使智能体在导师或人类反馈下持续改进，从而适应复杂长周期、高经济价值的任务。作为该生态系统的初始层，数据集提供了500余项真实世界的种子任务和逾千条完整执行轨迹，为强化学习、过程奖励建模以及智能体经验重用等前沿方向提供了标准化训练与评估基础，预计将显著推动自主智能体在工业自动化、知识工作等领域的落地与协作学习。

当前挑战

该数据集所解决的领域核心挑战在于，当前智能体系统往往缺乏从长期任务执行中积累与泛化经验的机制，难以高效应对复杂开放环境下的多步推理与适应性问题。Agent Apprenticeship通过结构化的经验编译与过程监督信号，尝试弥合单次任务执行与持续学习之间的鸿沟。在构建过程中，数据集的产出面临多重困难：一是如何从真实世界中遴选既具备经济价值又适合智能体迭代训练的高质量种子任务，确保任务难度与覆盖面的平衡；二是对完整任务轨迹的采集涉及不同智能体框架（如Codex、Cursor等）的异构整合，需设计统一的经验表示与追踪协议；三是为每项任务生成准确的过程监督与偏好对信号，需要融合人类专家评审与自动化评估手段，兼顾效率与标注一致性。

常用场景

经典使用场景

在智能体（Agent）系统的研发进程中，agent-apprenticeship-seed-dataset_v0.2 被广泛用于训练和评估多步骤、长时域任务的自主执行能力。研究人员利用该数据集构建从简单到复杂的工作流闭环，让智能体在模拟或真实环境中完成经济价值较高的任务，并记录完整的执行轨迹与经验编译。该数据集特别适合作为强化学习与过程监督的种子数据，为智能体提供高质量的初始训练信号，从而提升其任务规划、工具调用和错误修正的鲁棒性。其丰富的细粒度步骤标注与任务变体设计，也使其成为离线策略学习和模仿学习基准测试的理想选择。

衍生相关工作

该数据集的发布催生了一系列具有影响力的衍生研究。其中，基于其经验编译部分设计的学徒学习算法，被验证可在不依赖大量人工标注的情况下提升智能体长期任务的成功率。另一项开创性工作利用其过程监督数据，训练了首个跨领域的智能体过程验证器，实现了对中间步骤错误的高精度定位。同时，由任务变体与偏好对衍生出的批评—修订配对学习框架，为构建自我修正型智能体提供了全新范式。这些工作共同确立了 agent-apprenticeship 数据集作为智能体持续性学习与经验复用研究基准的地位，并推动了相关顶会论文中验证该校准方法的广泛应用。

数据集最近研究

最新研究方向

在人工智能代理（AI Agent）迈向长周期、高经济价值任务的浪潮中，Agent Apprenticeship Seed Dataset v0.2 开创性地构建了从真实世界任务中捕捉可复用学习信号的开放基础设施。该数据集聚焦于“学徒式”代理学习范式，通过收录超过500个源自真实世界的种子任务、1000余条完整代理执行轨迹及495条可复用代理课程，形成了一套涵盖经验编译、过程监督、奖励建模与偏好对的闭环学习生态。其核心价值在于将代理完成任务的动态工作流转化为训练信号，支持在线运行时学习与迭代改进，从而为强化学习、过程奖励模型及验证器训练提供结构化的数据基础。这一前沿方向不仅推动代理系统从孤立执行向集体进化的范式跃迁，更通过开源贡献机制，让任意本地代理（如Codex、Cursor、Claude Code等）均能融入共享的体验生态系统，加速了未来工作中人机协作与代理自主学习的深度融合。