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

随着 Agent 开始承担更长、更复杂的任务，如何让 Agent 从执行中积累经验、持续改进自己，正在成为新的技术方向。 今年 7 月，一篇针对 2024—2026 年 1250 篇相关论文的 RSI 综述《Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops》显示，AI 自我改进已经形成相当广泛的研究版图。研究对象从部署阶段的行为、训练阶段的策略，进一步延伸到评估器乃至 AI 研究过程本身。这意味着，RSI 所讨论的“自我改进”，正在从单一对象的优化，扩展到 AI 系统不同环节的持续迭代。 围绕 Agent 的自我改进，openJiuwen 也已经进行了一系列探索。openJiuwen 是由华为 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。今年 6 月，openJiuwen 发布 Auto Harness，让智能体能够根据任务执行结果，自动优化 Prompt、Skill、Tool、Rail 等自身“工作装备”。这一次，openJiuwen 又将优化对象进一步扩展，发布了完整的 RSI 框架。 这套框架首先回答了 RSI 的优化逻辑。openJiuwen 将优化对象分为 Harness 和 Artifacts 两个维度。Harness 包括 Prompt、Skill、Tool 和 Rail，决定 Agent 如何完成任务；Artifacts 则是 Agent 最终生成的交付物，目前覆盖科研论文和算法程序。由此，Agent 的工作方法和工作成果，都可以进入持续迭代。 其次是如何证明优化有效。openJiuwen 将改进放进一套可验证的工程闭环：先建立基线，根据失败、执行轨迹和指标定位问题，再生成候选版本并重新执行、评测。只有验证有效的修改才会被采纳，成功和失败的经验则继续进入下一轮迭代。 目前，这套 RSI 框架已经落地到 WorkSwarm 蜂群办公智能体，形成“可插拔 Harness + Artifacts”双维度优化。同时，针对 RSI 反复生成、执行和评测带来的计算开销，openJiuwen 引入算力亲和能力，减少重复计算和资源消耗。 由此，openJiuwen 将 RSI 落成了一条可以实际运行的工程链路：发现问题、提出改进、执行验证、保留有效版本，并将经验带入下一轮。 接下来，我们具体看看这套框架如何运行。 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。 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。 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" } } ] 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。 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。 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。 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