开放式工具代理可以通过不同的工具路径完成同一目标，其质量受交互轨迹、环境状态和最终产物共同影响，因而难以给出可执行的真实奖励。核心难题是利用已有经验构造奖励，使其在暴露当前策略缺陷的同时在优化过程中保持不变。Reward Engine 的思路类似自驱动学生：先弄清成功的要求，再朝该方向优化。它从任务描述和初始轨迹中生成 RewardPack，包含用于检验必需正确性的测试用例和用于评估质量的评分标准，每个检查返回带证据的判断。冻结后的 RewardPack 引导代理修正并挑选输出，也可作为强化学习的奖励。在 WorkBuddy Bench Office 和 Claw‑Eval 上，构建的奖励与基准评分器的排序保持一致，分别在 82.3% 和 80.5% 的候选对上未出现逆转。用于修正执行时，三次运行一致性 $\mathrm{Pass}^{3}$ 从基线的 45.0% 提升至 54.0%，在另一个基准上从 78.4% 提升至 83.7%。
点评