安装
pip install harness-policy安装就这一步。这个包很小：harness 本身只需要 Python 3.11 或更新版本及其标准库。以 harness 导入；命令行是 harness。
托管的语言模型通过 OpenRouter 或任何 OpenAI 兼容的端点访问。密钥只放在环境变量里，从不写进配置文件：
export OPENROUTER_API_KEY=...模型的配置指明保存其密钥的变量（api_key_env，默认 OPENROUTER_API_KEY），因此多个提供方可以并存。
什么时候安装什么
Section titled “什么时候安装什么”在一次运行需要之前，不会安装其他任何东西。一次运行开始时，harness 会算出 agent 用到哪些 skill，以及这些 skill 需要哪些模型和环境。本机还没有的，都在第一个 episode 之前当场安装：
- skill 的模型（分割器、学习型策略、世界模型、本地语言模型）安装在各自独立的环境中，使用其清单指定的 Python 版本和固定版本的依赖，因此依赖相互冲突的模型从不共用一个环境。其权重从 Hugging Face 或 ModelScope 下载并校验。
- benchmark 的官方环境（RoboDojo 的、RoboTwin 的）在你第一次在其上运行时安装，连同其固定版本的源码和资源。
- 从不启用的 skill 和模型从不安装。
所有内容都放在 ~/.cache/harness 下（HARNESS_HOME 可改变位置）。第二次运行复用第一次安装的内容。要提前安装，例如在断网之前：
harness install sam3 simateharness doctor 显示本机已有什么、一个 agent 还需要安装什么，以及 GPU 是否有足够空间。
harness 把它启动的模型放到它找到的 GPU 上：放得下时常驻，放不下时按需共享一块 GPU。只有想自己决定时才需要 deploy 文件；见在小机器上运行。没有 GPU 的机器可以运行模型全部托管的 agent，或者模型运行在别处、通过 URL 访问的 agent（服务与环境）。
来自 The Simulator 的任务
Section titled “来自 The Simulator 的任务”要在来自 The Simulator 的任务上运行，而不是在 benchmark 自己的环境上，在 harness 旁边安装它的客户端：
pip install the-simulator贡献者在仓库的检出副本上工作。开发环境把每个模型和 benchmark 构建进一个 conda 环境，用于运行完整测试集和论文中的实验；参与贡献给出约定和检查。
下一步：快速开始。