前OpenAI专家梳理出AI自我进化的可行方向

最近聊RSI自进化的特别多，前OpenAI的大佬Lilian Weng认为：短期内实用的 RSI 不太可能靠直接自我改进模型权重，而可依赖“模型外面那层系统” harness 成为自我进化的路径。harness = 模型和真实世界之间的那层系统：怎么规划、怎么调工具、怎么管上下文、怎么存产物、怎么评估结果等。Claude Code / Codex 这类产品的差距基本都长在这一层。

她有个观察挺重要：编程 agent 的工具分组已经趋于稳定了——Claude Code、Codex、Cursor 这类基本会收敛成同一套：文件系统、shell、IO（lsp/git）、外部上下文（MCP/Skills）、网页搜索、artifacts、后台进程、agent 委派。harness 怎么优化，她梳理成三条线： ① 上下文工程——ACE 把上下文当“不断演化的 playbook”而不是越来越长的 prompt；MCE 把“怎么管上下文”的机制和“上下文里是什么”的内容分开做双层优化；Meta-Harness 干脆去优化“那段决定该存什么、取什么、给模型看什么的代码”。② 工作流设计——AI Scientist、ScientistOne（每条主张都必须能溯源到证据）、ADAS、AFlow（把工作流当图，上 MCTS） ③ 自改进 harness——STOP（改进器改进自己，后来自己长出了遗传算法、多臂老虎机、模拟退火这些策略）；AHE 提出三根可观测性支柱（组件、经验、决策可观测），其中“每次改动都要配一个可被���翻的预测”这条特别工程化；Darwin Gödel Machine 让 agent 直接改自己的 harness 代码库，SWE-bench Verified 从 20% 做到 50%。

她在blog里提到的 Continual Harness，正是刚发的prime-agent（Prime Intellect 那个自改进 agent）的两大核心抽象之一；“上下文与记忆的生命周期”这个难题，正是 acm-context-management（CMU+Meta）在做的事；而 RSI 这条主线，openrsi（Frontis+清华）刚好给出了可执行的测量版本——而且openrsi团队和 Weng 一样，明确说没解决通用 RSI。#harness #AIagent #RSI #agent工程 #LilianWeng