ModularRSI - 可迁移的Agent Harness递归自我改进框架

ModularRSI是什么？

ModularRSI是面向AI Agent Harness递归自我改进的开源研究框架。它冻结基础模型权重，只让Agent根据独立任务中的成功与失败轨迹，持续修改模型外围的执行机制，并测试改进能否迁移到未见任务、不同领域和不同基础模型。

五个可演化模块

• Agent Loop：控制推理、行动与观测的循环。
• Observation Management：筛选、压缩和组织环境反馈。
• Tool Use：选择工具、构造参数并处理调用结果。
• Context Management：维护历史、约束、中间结果与状态。
• Task Completion Detection：判断任务是否真正完成，避免无证据退出。

它如何避免只记住Benchmark？

框架使用与最终评测基准隔离的2000条可执行任务池，分别抽取Terminal与软件工程任务用于演化。候选代码修改必须经过Program Check、Diff Review和Execution Validation，最终评测前Harness会被冻结。

安装与运行

1. 从官方GitHub仓库克隆项目，并确认Python与uv/虚拟环境依赖。
2. 建立虚拟环境后执行可编辑安装，复制.env.example为.env。
3. 在环境文件配置模型API端点和密钥，不要提交密钥。
4. 检查启动脚本顶部参数、数据目录、模型和预算。
5. 使用scripts/evolve.sh运行演化，使用scripts/evaluate.sh执行评测。
6. 在隔离容器中运行任务，限制网络、文件和命令权限，并保留每代代码差异与轨迹。

许可与使用提醒

仓库包含不同许可：ModularRSI原创研究部分以CC BY-NC 4.0提供，仅限非商业使用；Harbor衍生代码保持Apache 2.0，第三方组件和数据集遵循各自许可。商业集成前必须逐项核对文件与数据许可，不能只看仓库首页的许可证标识。

打开ModularRSI官方GitHub仓库

阅读ModularRSI官方论文