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
- AI编程搞定个人财务规划：30分钟完成投资文档与资产管理 — jxnlco · 2026-08-09
- 千次实测 LLM 充当智能体安全门：直觉判断胜过深度思考 — Xianbao_QIAN · 2026-08-09
- AI Agent自动化复现ICML论文：呼吁顶会强制提交代码 — ChenhaoTan · 2026-08-09
- Trading MCP Server：用自然语言通过 Claude 进行加密货币交易 — modelcontextprotocol · 2026-08-09
- 构想AI版模拟人生：每个NPC由独立LLM驱动 — flowersslop · 2026-08-09
- 开发者实测 Claude Code 操控 iPhone：无需越狱实现全自动化 — mhdfaran · 2026-08-09