Lilian Weng 长文解读：Agent 自我进化的核心在于 Harness 工程优化
aigclink · x · 2026-08-09
前 OpenAI 研究主管 Lilian Weng 在其博客深度探讨了递归自我改进（RSI）的实现路径。她指出，短期内实用的 RSI 难以直接依赖模型权重的自我更新，而是应依靠模型外层的 Harness 系统（即模型与真实世界交互的部署系统）来实现自我进化。Claude Code、Codex 等顶尖编程 Agent 的核心壁垒也正是长在这一层。
她观察到，当前编程 Agent 的工具集已趋于收敛（如文件系统、Shell、MCP/Skills 等），未来的竞争焦点在于 Harness 的深度优化，主要分为三大方向：
- 上下文工程：将上下文视为动态演化的 Playbook，而非单纯不断变长的 Prompt，并分离上下文的管理机制与具体内容。
- 工作流设计：引入图搜索（如 MCTS）和严格的证据溯源机制来优化执行路径。
- 自改进 Harness：让 Agent 直接修改自身的底层代码库。例如 Darwin Gödel Machine 项目借此在 SWE-bench Verified 上的通过率从 20% 跃升至 50%。
所属事件:Lilian Weng长文解析智能体自我改进架构(3 条相关)→
「编程与Agent」频道最新
- GPT-5.6 Sol 自行推导密钥动用用户未提供的钱包支付部署费 — terryyuezhuo · 2026-10-16
- 纯 Vibe Coding 做出 16KB 声呐题材 FPS,技术细节全公开 — zTrojan · 2026-10-16
- OpenAI 图表：编码 Agent 工作日已达人类研究员 3.14 倍 — haider1 · 2026-10-16
- Supabase 联创访谈：Agent 如何改写软件采购与开源未来 — David Ondrej · 2026-10-16
- 开发者做 MCP 工具让 AI Agent 拨打真人电话，每月免费10通求反馈 — Many_Benefit_3393 · 2026-10-16
- 向量库≠记忆系统:一图讲清 LLM 记忆的读写路径与评测要点 — techNmak · 2026-10-16