目录

1 研究背景与动机

2 RSI核心概念

2.1 RSI的定义

2.2 改进维度

2.3 演化拓扑：链式、树式与图式

2.4 谁在更新：自我、教师与联合更新

2.5 何时更新：离线、在线与混合模式

2.6 成熟度路线图（L1～L5）

3 OpenJiuwen双维度RSI框架

3.1 Harness与Artifacts双轨解耦

3.2 六阶段迭代闭环

3.3 版本树管理与剪枝机制

4 RSI底层机制

4.1 多智能体团队级RSI

4.2 InferRSI推理自优化

5 测试效果

6 总结

1 研究背景与动机

随着大模型能力的提升，Agent开始承担长周期、多步骤的复杂任务。然而当前智能体应用普遍面临三个瓶颈：一是任务完成质量不稳定，同一任务多次执行的效果波动较大，难以持续逼近最优解；二是经验无法继承，一次任务中形成的有效做法不会自动复用到下一次任务，每次执行都“从零开始”；三是人工调优成本高，提示词、工具、流程的优化依赖人工反复试验，效率低下。

RSI（Recursive Self-Improvement，递归自我改进）正是为解决上述问题而提出：让系统不仅提升任务表现，还持续优化“完成任务的方法本身”——包括数据、执行框架（Harness）、技能，乃至模型权重，从而形成能力复利的正反馈循环。RSI已成为2026年智能体领域最受关注的研究方向之一。

2 RSI核心概念

2.1 RSI的定义

RSI核心数学公式

A_t：第t轮的智能体，由Model（基础推理能力）+Harness（上下文、记忆、技能、工具、执行代码）组成。τ_t：任务执行轨迹。f_t：任务反馈。U：状态更新机制。

智能体A(t)由模型与Harness组成；在执行任务时产生执行轨迹τ(t)与任务反馈f(t)；更新机制U从轨迹与反馈中提炼可复用的改进，形成下一轮智能体A(t+1)。闭环不断循环，实现能力复利。

2.2 改进维度

按改进目标不同，RSI可分为五个层级，由浅入深依次为：上下文进化（重组推理时可见上下文）、记忆进化（经验写入长期存储）、技能进化（迭代可复用的操作规范）、Harness代码进化（修改执行框架与工具链）、参数进化（改写模型权重）。

五个维度之间存在关键区分：上下文与记忆的区别在于记忆是存储在外部、等待检索的信息，只有被检索并注入模型输入之后，才成为当前可见的上下文；记忆与技能的区别在于，记忆记录“某一次任务发生了什么”，技能则总结“遇到相似问题应当怎么做”；Harness代码进化不仅约束智能体的行为方式，还能改变上下文如何组装、增删工具与修订执行逻辑。

当前主流RSI工作集中于Harness、技能与记忆层级，代表方法包括以外部工作区持久化上下文与中间结果（Prime Agent）、从成功与失败轨迹中提炼可复用记忆（Reasoning Bank）、维护随任务迭代更新的技能库（TRACE）以及协同进化技能与工具（SkillSmith）。

2.3 演化拓扑：链式、树式与图式

按新版本与历史版本之间的继承关系，RSI的版本演化可分为三种拓扑：链式演化只保留一个活动版本，沿单一路径A0→A1→A2→...依次更新，实现简单，但某一轮引入的错误会直接遗传给后续版本；树式演化允许多个历史版本并存，一个父版本可衍生多个候选子分支，后续可从任一历史版本继续迭代，探索广度更大，但父版本选择与分支评测的代价也更高；图式演化允许一次更新同时汇聚多个来源的经验，例如同一智能体在不同任务上的轨迹，或不同分支在同一任务上的结果，从而更精准地定位问题根源。

OpenJiuwen是树式拓扑：以基线版本为根节点，并行探索多个候选分支，评测通过的版本被采纳、失败的版本被剪枝淘汰，同时保留历史版本以备回退，使失败也能沉淀为可复用的负样本。

演化拓扑：链式、树式与图式（来源：Awesome RSI）

2.4 谁在更新：自我、教师与联合更新

RSI系统既要执行任务，又要从任务轨迹与反馈中更新自身，这两项工作可以由同一智能体承担，也可以分工给不同角色。按更新执行者的不同，可分为三类：

自我更新（Self-Update）中，执行任务的学生（Student）同时负责总结经验并修改自身，通信开销低，但一旦误解反馈，错误就会写入持久产物并影响后续任务；

教师更新（Teacher Update）中，任务执行与修改分离，由学生外部的教师（Teacher）读取轨迹与评测结果，组织新的记忆、技能或Harness代码；

联合更新（Joint Update）中，学生与教师各自承担一部分修改工作，例如学生先总结候选经验，教师再筛选、整理并写回。

以OpenJiuwen为例：执行任务的Worker智能体相当于学生，负责产生执行轨迹与候选经验；独立评测与经验沉淀机制相当于教师，负责以评测分数判定是否采纳、剪枝并整理经验库，二者构成联合更新。其Self-Reflection跨任务自反思则让学生先从自身轨迹中总结成败经验，再由评测机制验证后写回。

教师更新（来源：Awesome RSI）

2.5 何时更新：离线、在线与混合模式

按任务执行与经验更新的时间关系，RSI可分为三种模式：

离线RSI（Offline RSI）先在训练任务上完成更新，测试阶段冻结更新并评测经验能否复用；

在线RSI（Online RSI）在持续任务流中边执行边更新，前一任务的经验直接影响后续任务；

混合模式（Hybrid Mode）先离线构建初始经验库，再在真实使用中持续积累与更新。

OpenJiuwen的双维度RSI以离线批量迭代为主：在评测集上完成多轮“评测—分析—提案—采纳”循环后才发布新版本；而WorkSwarm上线后通过经验库与SkillPack技能包持续吸收真实任务反馈，呈现离线初始化与在线演进相结合的混合模式特征。

2.6 成熟度路线图（L1～L5）

论文《The Last AI Built by Humans》提出了RSI的五级成熟度路线图

3 OpenJiuwen双维度RSI框架

OpenJiuwen是华为团队开源的生产级智能体操作系统底座，其上层办公工作台WorkSwarm是当前首个在真实办公场景落地RSI的开源平台。2026年9月，OpenJiuwen正式发布双维度RSI框架并在WorkSwarm0.2.7中落地；2026年10月进一步推出面向昇腾NPU的InferRSI推理自优化方案。该平台既有公开的基准评测数据，又有可追溯的工程实现，是理解RSI从概念走向工程落地的理想案例。

3.1 Harness与Artifacts双轨解耦

OpenJiuwen将RSI拆分为两条互相独立的优化轨道，避免“改进过程”与“改进结果”的优化信号互相干扰：

一是Harness维度，优化智能体的工作方法，包括提示词、技能、工具与执行约束，改进的是“做事的过程”；

二是Artifacts维度，优化最终交付产物，包括科研论文、算法程序等，改进的是“交付的结果”。两条轨道独立评测、独立演进，共享同一个底座：评测驱动+版本树管理+经验沉淀。

3.2 六阶段迭代闭环

在双维度框架之下，OpenJiuwen通过六阶段闭环完成一轮完整的自我改进：

①评测验证，建立基线——把原始版本在评测集上运行，得到基准分数；

②分析定位问题——读取执行轨迹与失败样例，定位薄弱环节；

③提案构建候选——生成多个不同方向的修改候选版本；

④采纳融合——所有候选版本重跑完整评测集，只有分数优于基线的版本才被采纳，分数下降的版本直接剪枝淘汰并记录失败原因；

⑤RSI经验沉淀——将有效与无效的修改策略写入经验库，作为后续迭代的负样本参考；

⑥归档停止——保存全部版本树，达到最大迭代轮次或分数收敛后结束。

这一闭环的核心原则是：一切改进必须具有可验证的执行证据（评测分数），而不是依赖大模型的主观判断。在WorkSwarm的实际使用中，当候选版本评测分数不达标时，系统会给出“当前方案效果未达到要求，已剪枝”的提示，这正是评测驱动机制的直观体现。

3.3 版本树管理与剪枝机制

OpenJiuwen采用树式进化拓扑管理迭代过程：以基线版本为根节点，一个父版本可衍生多个候选子分支，评测通过的版本被采纳并继续迭代，未通过的版本被剪枝淘汰、记录失败原因同时支持回退到稳定版本。

4 RSI底层机制

4.1 多智能体团队级RSI

OpenJiuwen将RSI从单智能体扩展到团队层面：每个Worker智能体独立迭代自身的技能与工作流（个体层演进）；整个团队的分工、角色与流程沉淀为可移植、可自演进的SwarmSkill团队技能包，任务完成后自动复盘并优化团队配置（团队层演进）。

4.2 InferRSI推理自优化

2026年10月，OpenJiuwen推出InferRSI推理自优化方案，目标是让每个模型拥有适合其任务与硬件的推理引擎。InferRSI分三个阶段扩大优化范围：

算子级自主调优（如KDA算子的布局、分块与融合）→框架级自主调优（沿vLLM/SGLang及其Omni框架改进执行路径）→场景专用框架生成（围绕特定模型、任务负载与硬件自建推理引擎）。整体遵循“定好要求→尝试优化→对比测试→决定保留→记住经验”的统一流程，由openJiuwen组织任务与工具调用、InferRSI管理实验对比、NPU实际运行验证，形成闭环。

5 测试效果

在SWE-bench Lite Dev与Evo-Bench General两个基准上，OpenJiuwen的Harness维度优化取得了显著提升：模型权重完全不变，收益全部来自执行框架机制层面的改进。

其中，SWE-bench Lite Dev（训练集）通过率由61.0%提升至87.0%；冻结后的独立测试集Evo-Bench General通过率由60.9%提升至71.9%，证明改进不仅限于训练集，具备一定的泛化能力。

在单张Ascend 910B1上，InferRSI完成了两项典型实践：针对Qwen3-TTS构建专用推理引擎，吞吐最高达到SGLang-Omni的14.2倍、vLLM-Omni的4.8倍；针对Qwen-Image进行框架级调优，生成延迟降低21.0%，叠加VAE加速后降低22.0%，且图像输出质量满足要求，如表所示。

实践对象	优化阶段	关键指标	实测结果
Qwen3-TTS	场景专用框架生成	吞吐对比	最高为SGLang-Omni的14.2倍、vLLM-Omni的4.8倍
Qwen-Image	框架级自主调优	生成延迟	3111.5ms→2459.6ms（−21.0%），加VAE加速−22.0%

6 总结

OpenJiuwen的RSI实践仍存在若干局限，InferRSI的优化深度绑定昇腾NPU硬件，在通用GPU环境效果会打折扣；整体仍属“半闭环RSI”，依赖人类预设验证标准，尚未达到自主定义优化目标的元递归（L3以上）水平。从领域视角看，当前RSI更擅长复现与组合已知技巧，执行快于判断。

OpenJiuwen用一套“评测驱动、双维度解耦、版本树管理、经验沉淀”的工程闭环，把RSI从概念落到了可用的办公智能体产品上。其核心价值体现在：Harness与Artifacts双轨设计使“改过程”与“改结果”互不干扰；六阶段闭环与剪枝机制确保每一次改进都有可验证的证据，失败也沉淀为经验；底层机制有arXiv论文支撑，产品落地有基准评测与昇腾NPU实测数据验证。同时，其评测依赖、开源程度与硬件绑定等局限，也为后续研究指明了方向：包括更鲁棒的自动评测器、可迁移的跨框架RSI，以及面向通用硬件的推理自优化方案。