openJiuwen首發RSI框架，AI Agent實現“自我疊代”
/朝聞通/讓智能體幹完一件事并不難，難的是讓它“越幹越好”。長期以來，辦公智能體普遍為“交付即定型”：一旦任務失敗或未達預期，需要人工複盤日志、修改提示詞、補充工具後再重新測試，調優成本高、周期長，有效經驗也難以積累。
近日，由華為 2012 實驗室、華為雲、終端、計算等團隊聯合構建的開源 AI Agent 平台openJiuwen首發雙維度RSI框架(Recursive Self-Improvement，遞歸自我改進)，在WorkSwarm蜂群辦公智能體完整落地，率先支持“可插拔的Harness+Artifacts”雙維度優化，用戶隻需像布置普通任務一樣發起“實驗”，就能全程觀看智能體如何一步步進化升級。
該成果為AI Agent自身疊代改進提供了工程化的答案，在真實辦公場景中實現“從失敗中學習、在任務中成長”。目前，RSI 實驗模式已在WorkSwarm上線。
辦公智能體有了“錯題本”
早在今年6月，openJiuwen就發布了業界首個Auto Harness能力，讓Harness在實戰中自動學習、自動優化，提供了一套評測驅動的、覆蓋Harness全棧組件的端到端自動優化框架。而RSI框架則進一步讓智能體從真實任務反饋中生成改進方案、執行驗證、保留有效改進，幫助智能體持續優化。這意味着對于橫跨文檔、代碼、數據和工具的辦公任務，工作方法可以改進，交付物可以持續打磨，成功與失敗的經驗也能為後續任務所用。
據介紹，openJiuwen RSI的核心是一套讓不同自我疊代任務都能穩定運行的工程框架，以版本化優化對象、可驗證的執行證據和可擴展的算法為核心，通過四層協作，把任務目标轉化為可執行、可評估的改進過程。
通俗地說，RSI就像一個團隊，任務層決定“優化什麼、如何評價、能用多少資源”，疊代優化層決定“下一步試什麼、哪些改進可以采納”;執行層負責“嘗試優化并檢測結果”;基礎框架層提供運行、模型與上下文、沙箱隔離、狀态恢複和可觀測性等統一能力。
目前，RSI框架已融入WorkSwarm新增的“實驗”模式，用戶可以像創建普通任務一樣發起Harness優化或産物優化，查看每一輪的改進過程和搜索路徑，最終拿到經過驗證的最優結果。
三大場景優化表現優異
根據開發者實戰檢驗，RSI加成的WorkSwarm“實驗”模式對于需要反複試錯、不斷優化的場景非常貼合。
例如在Harness優化方面，當出現失敗案例，用戶僅需四步即可完成“改錯”：一、準備包含用例知識、任務要求、評測方式、參考答案和評分規則的JSON評測集;二、進入 WorkSwarm的“實驗”頁面選擇“Harness優化”，選擇優化模型、測試模型和初始插件，再選擇評測集、評測方式和最大疊代輪次;三、執行自動疊代，頁面持續展示得分、疊代輪次、模型用量和搜索樹，試錯和采納過程一目了然;四、實驗産出有效版本後，點擊“安裝插件”，最優Harness即作為插件包導入并熱加載。
基于權威測試集SWE-bench Lite，該模式使Harness優化通過率由61.0%提升至 87.0%，同時凍結優化後的Harness在Evo-Bench General 64 道獨立評測題上的單次執行通過率也由 60.9%提升至71.9%，表現極其優異。
而在科研論文産物優化方面，WorkSwarm既可以從科研構想出發生成科研論文，也可以提交已有論文繼續優化。用戶隻需要選擇目标論文，填寫優化指令(研究主題、目标問題或重點改進方向)，設置最大疊代輪次，即可創建實驗。過程中可在詳情頁看到當前分數、最優論文、模型用量和疊代輪次，記錄了每一輪的改動細節、評測結果以及未被采用的原因。實驗完成後支持預覽，确認後一鍵下載完整論文。
在算法程序産物優化方面流程也較為類似，支持從現有實現出發自動嘗試多個版本。用戶準備好待優化的初始科研算法程序、評價配置和任務包，依次選擇“産物優化”和“程序”，即可創建與啟動優化。過程中可在詳情頁看到當前最優分數、模型用量和程序優化樹，每個節點可查看改動、評測結果和失敗原因，實驗完成後，一鍵下載經過多輪嘗試和評測篩選的最優程序，用于後續驗證、集成或開發。
以算力親和降低多輪優化成本
多輪優化的實質是多輪生成候選、執行任務、評測結果，背後是對提示詞、工具描述和任務材料的反複使用，也意味着優化規模越大，等待和資源開銷就越驚人。成本問題會否讓開發者對RSI框架望而卻步?
openJiuwen給出的答案是“算力親和”：依托國産昇騰算力基礎設施，讓計算引擎“讀懂”智能體的工作狀态，通過上下文緩存調度等技術，降低多輪優化的時延與資源消耗，讓智能體在持續改進的同時更高效地使用算力。
實際測試顯示，開啟“算力親和”後，智能體的響應速度提升近16%，最慢場景下提升超過19%，命中率由7.53%提升至14.36%，關鍵存儲資源消耗下降兩到三成。持續學習與降本增效，在同一個框架裡實現了兼得。
至此，openJiuwen RSI已經形成一條從創建實驗到獲得優化結果的完整鍊路：Harness優化根據失敗案例改進智能體的工作方式——Artifacts優化打磨科研論文和算法程序等交付産物——再結合算力親和，減少重複計算，降低資源開銷。這一突破為智能體持續進化、适應更複雜的場景任務鋪平了道路。
openJiuwen方面透露，後續框架将繼續豐富搜索、評測與融合算法，增強跨任務經驗複用，并沿統一架構接入模型優化與混合優化，讓Harness、Artifacts和Models在明确的評價标準、預算與安全邊界内協同疊代。值得一提的是，華為雲AgentArts将openJiuwen引入到商業化平台能力中，提供開箱即用的體驗，感興趣的朋友可鎖定華為全聯接大會2026.現場體驗。openJiuwen官方也提供了在線體驗入口，Token免費。
