### [ModularRSI – 可迁移的Agent Harness递归自我改进框架](https://www.zuoshipin.com/)

**Published:** 2026-09-25T02:08:28

**Author:** 天才交易员

**Excerpt:** ModularRSI冻结基础模型，使用独立任务轨迹演化Agent Loop、工具、观测、上下文和完成判断，并评…

## 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。

![ModularRSI使用对比采样、模块演化与三道验证构成闭环](https://admin.zuoshipin.com/wp-content/uploads/2026/09/modularrsi-img05.webp)

ModularRSI使用对比采样、模块演化与三道验证构成闭环。

## 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](https://github.com/IQuestLab/ModularRSI)

[阅读ModularRSI官方论文](https://arxiv.org/abs/2609.14857)



---