openJiuwen 在 WorkSwarm 上落地 RSI 框架，支持 Harness 与科研产物双维度自我优化

智能体不能只靠人调：让失败自己变成改进动力

现在让一个智能体跑通某个任务已经不算稀奇。但一旦失败，往往还得人来擦屁股：翻日志、改提示词、加工具、再测试。这种“交付即定型”的模式，调优成本高、周期长，而且每次的经验都散落在各处，没法沉淀复用。

这正是 RSI（Recursive Self-Improvement，递归自我改进） 要解决的核心问题。它不是让模型自己训练自己——那需要海量数据和算力——而是让智能体在真实任务中，基于反馈自动生成改进方案、执行验证、保留有效变更，形成可持续的优化闭环。

今年 6 月，华为多个团队联合推出的开源 AI Agent 平台 openJiuwen 发布了 Auto Harness 能力，让智能体能自动调整自己的“工作装备”。最近，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 Harness + Artifacts 双维度优化。其中 Artifacts 目前聚焦科研论文和算法程序两类交付产物。配合平台的算力亲和能力，多轮优化的时间和资源开销也被压了下来。

对横跨文档、代码、数据和工具的办公场景来说，这意味着：工作方法可以迭代，产出物可以打磨，成功或失败的经验也能被后续任务直接复用。用户只需像创建普通任务一样点一下“发起实验”，就能看到整个优化过程，并拿到经过验证的结果。

RSI 不是算法，而是一套工程闭环

openJiuwen 的 RSI 框架并不是一套固定的优化策略，而是一个能让不同自我迭代任务稳定运行的工程基础设施。它的核心是三个原则：优化对象版本化、执行结果可验证、优化算法可扩展。

整个系统由四层协作构成：

• 任务层：定义“优化什么、怎么评价、能用多少资源”；
• 迭代优化层：决定“下一步试什么、哪些改进值得采纳”；
• 执行层：真正跑起来，返回可验证的证据；
• 基础框架层：提供统一的运行环境、模型调度、沙箱隔离、状态恢复和可观测性。

这四层串起一个六阶段闭环流程：

1. 评测与验证：先跑当前版本，建立基线；
2. 分析与优化定位：从失败轨迹、指标异常中找根因；
3. 提案与构建：生成候选改进方案，并按同一标准重新评测；
4. 采纳与融合：消解冲突，组合有效变更，形成新版本；
5. RSI 经验沉淀：提炼方法及其适用条件；
6. 归档与停止：保存结果，判断是否继续迭代。

只要还有预算和改进空间，系统就会选一个父版本继续下一轮。

可靠性来自明确的职责分离。单次任务的“推理—行动—观察—反馈”由 AgentLoop 负责；跨版本的优化决策则由控制器处理，避免用生成者的主观判断代替客观验证。每份证据都绑定具体版本和评价上下文，所有候选在融合或配置变更后必须重测。执行失败、证据无效、效果退步等情况都会被分别记录。问题、假设、改进点以及采纳/未采纳的原因全部保留，确保下一轮既能借鉴成功，也能避开无效路径。

在统一的任务表达、阶段接口和生命周期下，不同优化对象可以采用各自的算法策略。

三类优化实战：从装备到产出都能自己变好

Harness 优化：把失败案例变成即装即用的新能力

Harness 是智能体的“工作装备包”，包含 Prompt（任务理解）、Skill（专业方法）、Tool（操作能力）和 Rail（执行约束）。当任务失败源于这些组件时，WorkSwarm 能直接从失败用例出发，自动改进整套装备。

操作分四步：

1. 构建优化数据：准备一份 JSON 评测集，每条包含任务描述、评测方式、参考答案和评分规则。建议优先选用真实失败过的案例。
2. 创建实验：在 WorkSwarm 的“实验”页面选择“Harness 优化”，填实验名，选优化模型、测试模型、初始插件、评测集和最大迭代轮次。
3. 自动迭代：系统先跑当前 Harness 建立基线，再从失败轨迹中定位问题，围绕 Prompt/Skill/Tool/Rail 生成候选修改。每个候选先验证是否修复目标用例，再回放完整评测集确认整体提升且未破坏原有功能。页面实时展示得分、轮次、模型用量和搜索树。
4. 安装使用：实验产出有效版本后，点击“安装插件”，最优 Harness 会作为插件包热加载，无需手动复制；版本信息保留，支持随时回退。

实测效果显著：在 DeepSeek-V4-Flash 任务模型、最多 5 轮迭代的配置下，Harness 在 SWE-bench Lite Dev 全部 23 题上的通过率从 61.0% 提升至 87.0%。冻结优化后的 Harness 后，在 Evo-Bench General 64 道独立题上的单次执行通过率也从 60.9% 提升至 71.9%。说明优化不仅覆盖参与迭代的任务，还能泛化到新任务。

科研论文优化：从构想到成稿，持续打磨

WorkSwarm 支持两种起点：从研究构想生成论文，或对已有论文继续优化。

用户进入“实验”页面，选择“产物优化 → 论文”，填写研究主题、目标问题或改进方向，或上传本地论文文件夹，设置最大轮次即可启动。

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。论文优化树记录每个版本，点击节点可查看本轮改动、评测结果及未采纳原因。实验结束后，可预览并一键下载最优论文。

整个过程模拟了人类科研中的“写—评—改”循环，但由系统自动执行多轮探索和验证，避免陷入局部最优。

算法程序优化：提交任务包，自动寻找更优实现

对于可运行、可评测的算法程序，WorkSwarm 能自动尝试多个修改版本，交付经过验证的最优结果。

用户先准备初始程序及其评价配置。推荐使用内置的 rsi-program-dataset-creator Skill 生成标准任务包（含源码、scorecard 等）。然后在“实验”页面选择“产物优化 → 程序”，上传任务包即可启动。

优化过程中，页面展示当前最优分数、模型用量和程序优化树。每个节点代表一个候选程序，点击可看具体改动、评测结果和失败原因。支持中途暂停，后续继续。完成后一键下载最优程序，用于验证或集成。

这种方式特别适合需要反复调试性能、正确性或鲁棒性的科研代码，比如机器学习模型、数值算法或数据处理流水线。

算力亲和：让多轮优化不再“烧钱又烧时间”

RSI 的本质是“用算力换智力”：反复生成候选、执行任务、评测结果。一次完整实验可能涉及成千上万次模型调用。而提示词、工具描述、任务材料在多轮中高度重复，加上频繁的暂停、恢复和重试，如果每次都重新计算上下文，资源开销会指数级增长。

openJiuwen 的 算力亲和 能力依托昇腾算力基础设施，让推理引擎“读懂”智能体的任务状态。框架通过 Agent Hint 将任务运行、等待、恢复等信息传递给引擎，驱动其在昇腾 NPU 显存、鲲鹏 CPU 内存和远端缓存池之间主动调度 KV Cache（键值缓存）：

• 等待时卸载到低成本存储；
• 恢复前提前预取；
• 结束后及时释放。

这显著降低了多轮优化的延迟和资源占用。

在科研算法程序优化实验中，开启算力亲和后：

• TTFT（首 Token 时延）均值下降 15.83%，P90 下降 19.16%；
• Token 加权 KV Cache 命中率从 7.53% 提升至 14.36%；
• HBM 与 DDR 峰值使用率分别下降 22.82% 和 30.74%。

这意味着重复 Prefill 减少了，响应更快了，存储压力也更低了——让持续改进变得真正可行。

优化不再是黑箱，而是可观察、可复用的流程

openJiuwen RSI 在 WorkSwarm 上已经形成一条完整链路：

• Harness 优化改进智能体的工作方式；
• Artifacts 优化打磨论文和程序等交付物；
• 算力亲和降低多轮迭代成本。

关键在于，每次改变都有证据，每次采纳都经验证，每轮经验都能指导下一轮。用户不再需要猜测“为什么失败”或“怎么改更好”，而是发起一次实验，让系统自动探索、验证、收敛。

未来，框架计划丰富搜索、评测与融合算法，增强跨任务经验复用，并沿统一架构接入模型优化与混合优化，让 Harness、Artifacts 和 Models 在明确的评价标准、预算与安全边界内协同迭代。

目前，RSI 实验模式已在 WorkSwarm 上线，用户可前往官网体验：

• WorkSwarm 立即体验：https://openjiuwen.com/workswarm
• GitHub 代码仓：https://github.com/openJiuwen-ai/
• AtomGit 代码仓：https://atomgit.com/openJiuwen/