从进化到泛化，RSI 四大前沿框架如何实现 Agent 自动调优

这是2026年的第 78 篇文章

（ 本文阅读时间：约 20 分钟 ）

在上一篇文章《深度解析 RSI：当 AI 开始实现自我迭代提升》中，我们系统介绍了 RSI（递归自我改进） 的理论背景、实现架构及 Skill、Context、Memory 等层面的研究进展。然而，既往研究多聚焦于“子模块的局部进化”，其优化系统本身往往缺乏自我改进能力，严格意义上并非真正的 RSI。

2026年10月，Google 集中发布了 4 篇 RSI 相关论文（RRSI、Harness²、Evo²、OO-Harness），分别来自 Google Cloud AI Research 和 Google DeepMind。这些研究解决了 RSI 进化过程中的不同痛点，且部分已开源代码。本文将深度解析这四项新作，探讨 Agent 如何实现真正的自我迭代与进化。

Harness²：无金标场景下的 Agent 自进化

核心痛点：缺乏标准答案时的验证难题

Harness 的自进化本质是沉淀任务的工作处理过程（如 System Prompt、Skill、Tool 等的组合）。在传统调优中，依赖“金标答案”（GroundTruth）进行评测对比是常见手段。但在实际工程落地中，许多复杂场景（如医疗诊断）缺乏标准参考答案。Harness² 的核心目标正是解决“无金标场景下如何优化 Agent”的问题。

六步自进化流程

Harness² 冻结模型参数，仅优化 Harness 结构。其运行流程包含六个步骤：

• 第一步：建立基线。运行初始 Harness，记录 Agent 轨迹、工具调用及错误信息，作为对照基准。
• 第二步：双维度提出修改。分别从“通用工作方式”（如 Prompt 约束、工具逻辑）和“领域知识更新”两个角度提出改进方案。
• 第三步：独立验证。分别测试两种修改方案，评估其对结果的改善情况及是否引入新问题。
• 第四步：组合整合。将有效的修改进行组合，排查冲突，形成新的 Harness 版本。
• 第五步：整体回归测试。运行组合后的版本，确保各模块协同工作时不产生潜在冲突。
• 第六步：经验沉淀。保存改进历史、遇到的问题及最终结果，形成闭环，供后续迭代复用。

三大设计亮点

1. 基于 Trace 挖掘优化点：即使无金标，仍可通过分析 Agent 运行轨迹（Trace）发现问题，如检查过程合理性、校验工具执行细节、精简错误路径等。

2. 分层优化避免“跷跷板效应”：将 Harness 分为“通用不变量层”（System Prompt、框架）和“领域特定信息层”（领域知识、专用 Skill）。两者分别优化、测试，最后再组合验证，精准定位问题来源。

3. 全局优化器决策：单条 Trace 提出建议，由全局优化器汇总决策，避免个别极端案例（Corner Case）导致整体进化方向跑偏。

Evo²：让“进化机制”本身实现进化

核心理念：进化器的自我迭代

如果说 Harness² 解决的是 Harness 组件的进化，那么 Evo² 则致力于让“负责进化的机制”本身变得更强。其核心是通过训练一个“改进模型”，使其能从过往的改进经验中学习，从而提出更有效的修改方案。

进化“改进模型”的路径

• 生成与对比：基于现有 Harness 提出修改，对比新旧版本的 Trace，评估改进效果。
• 分析与决策：模型分析改进成败原因，决定下一步修正策略。
• 经验复用：记录进化路线，提取共性规律，实现跨分支的经验迁移。
• 数据清洗与训练：将高质量的修改、分析及结果整理为训练数据，微调“改进模型”，使其更擅长提出有效方案。

Evo² 的关键在于保留所有进化分支的历史数据，无论成功与否，均为“改进模型”提供学习素材。即便在没有模型训练环境的业务场景中，也可通过记录“改进 Harness”的操作日志，抽象出通用的改进经验，实现“改进能力”的调优。

RRSI：用正则化解决泛化难题

核心痛点：过拟合与泛化性缺失

Agent 在高频场景下调优后，往往在低频或新场景下表现下降，即出现“过拟合”现象。RRSI（Regularized Recursive Self-Improvement，正则化递归自我改进） 旨在通过增加约束，防止 Agent 为追求评测高分而牺牲泛化能力。

七步正则化进化流程

• 基线测试：多次测试初始 Harness，评估稳定性。
• 控制改动幅度：前期广泛探索，后期逐步收敛，记录所有尝试。
• 有理据的候选改动：每项改动需明确解决的问题，避免无限叠加。
• 合规性检查：在评分前检查是否夹带个案信息或冲突声明，剔除“刷分”性质的修改。
• 真实运行评估：获取真实的反馈数据和 Token 消耗。
• 保留或回滚：综合评测分数、波动范围及成本，决定版本去留。
• 泛化性检验：更换验证集进行测试，确保进化后的 Harness 具备真正的泛化能力，而非仅针对特定数据集优化。

防止过拟合的约束机制

RRSI 借鉴机器学习中 L1/L2 正则化的思想，禁止 Agent 记录过于个性化、不通用的信息。例如，允许学习“咳嗽大概率需排查感冒”，但禁止固化“咳嗽即是感冒”。通过监督进化过程，确保沉淀的是通用知识而非特定数据的噪声。

OO-Harness：面向对象思想解决组织与复用

核心痛点：统一架构与个性化需求的矛盾

随着任务复杂度增加，单一 Harness 难以兼顾所有场景。若为每个场景单独开发，则成本高昂且冗余。OO-Harness（Object-Oriented Harness） 引入软件工程中的面向对象设计思想，解决 Harness 的组织与复用问题。

面向对象三大特性的应用

• 封装：将逻辑封装为统一入口，内部细节透明。
• 继承：构建父子 Harness 关系。子类继承父类核心功能，仅添加特有逻辑，避免重复开发。
• 多态：同一入口根据不同场景分化出不同的处理模式。

运行机制：基础优先，专有兜底

OO-Harness 采用“基础 Harness + 专有 Harness + Router”的架构：

• 准备阶段：收集 Trace，按任务归类，分化出基础版本和针对特定失败案例的专有版本。
• 运行阶段：默认使用基础 Harness；若无法解决，Router 根据需求特征路由至专有 Harness。

这种防御性架构既保证了常规场景的效率，又通过解耦处理了长尾问题，避免了“一套打天下”的性能瓶颈。

四大 RSI 框架核心对比

这四个框架从不同维度完善了 Agent Harness 的自进化体系：

Harness² 解决了“怎么进化”的基础问题；Evo² 提升了“进化器”的能力；RRSI 监管进化过程防止过拟合；OO-Harness 则从架构层面解决了复用与个性化的平衡。四者结合，构成了一套相对完善的 Agent Harness 自进化方案。

在实际落地中，应遵循“天下没有最好的 RSI 进化方案，只有最适合场景的方案”这一原则，根据业务痛点灵活组合使用。

总结

Google 发布的这四篇论文为 RSI 领域提供了重要的理论与实践参考。其中 Harness² 和 RRSI 已开源代码，建议读者结合源码深入理解其工程实现。希望这些前沿探索能为各位在 Agent 进化与改进实践中提供有价值的思路。

欢迎留言一起参与讨论~