openJiuwen首发双维度RSI框架，AI自修改，落地办公智能体，算力亲和助力又快又省

机器之心发布 让智能体完成一次任务已经不难，难的是让它从每一次任务中学会改进。当前多数智能体还是 "交付即定型"：遇到失败，需要人工复盘日志、修改提示词、补充工具、再重新测试。调优成本高、周期长，有效经验也难以积累。 这正是 RSI（Recursive Self-Improvement，递归自我改进） 要解决的问题。 它不是让模型自己训练自己，而是让智能体从真实任务反馈中生成改进方案、执行验证、保留有效改进，帮助智能体持续优化。 早在今年 6 月，由华为 2012 实验室、华为云、终端、计算等团队联合构建的开源 AI Agent 平台 openJiuwen 即发布了 Auto Harness 能力，让智能体能够自动优化自己的一整套 "工作装备"。这一次， openJiuwen 把完整的 RSI 框架落地到了 WorkSwarm 蜂群办公智能体上，率先支持 "可插拔的 Harness + Artifacts" 双维度优化 ，Artifact 当前包含科研论文和算法程序两类交付产物优化，同时结合 openJiuwen 的算力亲和能力，把多轮优化的成本和耗时压了下来。 对于横跨文档、代码、数据和工具的办公任务，这意味着工作方法可以改进，交付物可以持续打磨，成功与失败的经验也能为后续任务所用。用户像创建普通任务一样发起实验，就能查看优化过程，获得经过验证的成果。 openJiuwen RSI 框架：让自我迭代真正跑起来的工程闭环 openJiuwen RSI 不是一套固定的优化算法，而是让不同自我迭代任务都能稳定运行的工程框架。它以 版本化优化对象、可验证的执行证据和可扩展的算法 为核心，通过四层协作，把任务目标转化为可执行、可评估的改进过程。 任务层定义 "优化什么、如何评价、能用多少资源"；迭代优化层决定 "下一步试什么、哪些改进可以采纳"；执行层负责 "真正跑起来并返回证据"；基础框架层提供运行、模型与上下文、沙箱隔离、状态恢复和可观测性等统一能力。 整个流程串起了六阶段闭环： 评测与验证 建立基线； 分析与优化定位 从失败、轨迹和指标中找到原因； 提案与构建 生成候选，再按同一标准重新评测； 采纳与融合 消解冲突、组合有效改进，形成新版本； RSI 经验 沉淀 提炼方法及适用条件；最后通过 归档与停止 保存结果、判断是否结束。只要还有预算和改进空间，就会选择父版本继续迭代。 可靠性来自明确的分工。AgentLoop 负责单次任务的 “推理 — 行动 — 观察 — 反馈”，控制器负责跨版本优化，避免用生成者的主观判断代替验证。每份证据都绑定版本和评价上下文，候选经过过滤、融合或配置变更后必须重测；执行失败、证据无效和效果不佳也会分别记录。问题、假设、改进点及采纳或未采纳的原因都会保留，让下一轮既能借鉴成功，也能避开无效方向。 在统一的任务表达、阶段接口和生命周期下，不同对象可以采用各自的算法： 科研论文优化 接收研究目标、初稿或实验材料及评价标准，通过 Frontier 选择父版本，提出研究方案，构建包含研究内容和实验结果的论文，再经论文评测决定是否采纳。 科研算法程序优化 接收程序文件树、任务数据和标准，通过 PUCT 选择父版本、安排搜索，生成源码修改或修复方案。候选构建运行后，以脚本评测、规则匹配和指标聚合比较效果，指导下一轮搜索。 Harness 优化 先运行当前版本，依据任务结果和轨迹诊断，再装载候选重跑同一组任务。只有经过自身评测的改进才能被采纳，方法及适用条件也会随之沉淀。 这套框架已经做进 WorkSwarm：新增的 "实验" 模式下，用户可以像创建普通任务一样发起 Harness 优化或产物优化，查看每一轮的改进过程和搜索路径，最终拿到经过验证的 Harness 插件或论文、程序产物。下面分别看三类优化在 WorkSwarm 里的实战案例。 1、Harness 优化：四步把失败案例变成即装即用的新能力 Harness 是智能体的 “工作装备”：Prompt 决定如何理解任务，Skill 提供专业方法，Tool 负责实际操作，Rail 则约束执行过程。当问题出在这些环节时，WorkSwarm 可以直接从失败案例入手，帮助用户改进装备。 1）构建优化数据。 准备一份 JSON 评测集，每条用例包含用例标识、任务要求、评测方式，以及参考答案和评分规则。建议优先选真实失败过的任务。 [ { "id" : "case_001" , "input" : "需要 Agent 完成的任务" , "judge_method" : "llm" , "reference" : { "solution" : "参考答案" , "judge_rubrics" : "评分规则" } } ] 2）创建实验。 进入 WorkSwarm 的 "实验" 页面选择 "Harness 优化"，填写实验名称，选择优化模型、测试模型和初始插件，再选择评测集、评测方式和最大迭代轮次，即可创建。 3）自动迭代。 WorkSwarm 先运行当前 Harness 建立基线，再从失败用例和执行轨迹中定位问题，围绕 Prompt、Skill、Tool 和 Rail 生成候选修改。候选先验证目标用例确实修好，再回放完整评测集确认整体有提升、没有改坏原本通过的任务。页面持续展示得分、迭代轮次、模型用量和搜索树，哪些方案试过、哪些被采纳，一目了然。 4）安装使用。 实验产出有效版本后，点击 "安装插件"， 最优 Harness 即作为插件包导入并热加载 ，不用手工复制任何内容；版本信息保留，需要时可以回退。 在 DeepSeek-V4-Flash 任务模型、最多 5 个 Epoch 的配置下，Harness 优化在 SWE-bench Lite Dev 全部 23 道题上的通过率由 61.0% 提升至 87.0% ；冻结优化后的 Harness 后，在 Evo-Bench General 64 道独立评测题上的单次执行通过率由 60.9% 提升至 71.9% 。结果表明，优化收益不仅覆盖参与迭代的任务，也能泛化到未参与优化的任务。 2、科研论文产物优化：从研究构想到论文成稿，持续打磨 在 WorkSwarm 中，既可以从一个科研构想出发生成科研论文，也可以提交已有科研论文继续优化。 在 "实验" 页面依次选择 "产物优化" 和 "论文"，填写优化指令（研究主题、目标问题或重点改进方向）或选择本地论文文件夹，设置最大迭代轮次，即可创建。 运行期间，详情页展示当前分数、最优论文、模型用量和迭代轮次；论文优化树记录每一轮产生的版本，点击节点可以看到本轮改动、评测结果以及未被采用的原因。实验完成后，预览当前最优产物，确认后一键下载完整论文。 3、科研算法程序产物优化：提交任务包，寻找更优版本 对于可以运行和评价的算法程序，WorkSwarm 支持从现有实现出发自动尝试多个版本，交付最优结果。 首先准备待优化的初始科研算法程序及其评价配置。推荐预先安装并调用 rsi-program-dataset-creator Skill，生成包含初始程序、scorecard 等运行和评价信息的任务包，再在 "实验" 页面依次选择 "产物优化" 和 "程序