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。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月它发布Auto Harness，让智能体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，它把优化对象进一步扩展，发布了完整的RSI框架。
这套框架把优化对象分为Harness与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的工作方法与工作成果，都可以进入持续迭代。
更关键的是“如何证明优化有效”。openJiuwen把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，成功与失败的经验继续进入下一轮。它同时以版本化优化对象、可验证的执行证据和可扩展算法作为核心，避免用生成者的主观判断代替验证。
工程化的另一面是成本。RSI会反复生成、执行和评测，计算开销随之放大。为此openJiuwen引入算力亲和能力，减少重复计算和资源消耗。目前这套框架已落地到WorkSwarm蜂群办公智能体，形成“可插拔Harness+Artifacts”的双维度优化。换句话说，自我改进不是免费的，它必须算得过来。
这与星战科技在OPC智能体协作平台上的方向一致：让多个模型、工具与智能体围绕同一目标协同，同时把约束、验证与验收做成可管理、可复用的流程。智能体要想承接长链条任务，前提不只是更强的模型，而是可观测、可回滚、可复盘的协作机制，以及支撑反复试错的算力底座。
从这个角度看，RSI的价值不在于让模型“凭空变强”，而在于把经验沉淀为可复用的方法。哪些改进在什么条件下有效、如何组合、何时停止，都需要被记录和验证。这种能力一旦和办公、科研等真实场景结合，才有机会把“跑得快”变成“用得稳”。
Agent的能力增长，正在从一次性调参转向持续迭代。谁能让自我改进既可靠又经济，谁就更可能在真实工作流里交出稳定结果。技术路线之外，工程纪律与资源效率，正在成为新的门槛。
