外部行业实践 ·
华为openJiuwen双维度RSI框架落地办公智能体，实现AI自优化与算力高效利用
华为旗下多团队联合打造的openJiuwen开源AI Agent平台发布双维度RSI递归自我改进框架，并落地到WorkSwarm蜂群办公智能体，覆盖智能体工作装备与交付产物两大优化方向，形成可验证的工程闭环，同时搭配算力亲和能力降低多轮优化的资源开销与运行时延，目前已支持智能体工作装备优化、科研论文优化、科研算法程序优化三类场景，用户可通过实验模式发起优化任务获取经过验证的结果。
仅供行业学习与场景参考，不代表优秘交付、客户关系或效果承诺。
面临的问题
AI Agent在执行长周期复杂任务时，难以从执行过程中积累经验实现持续自我改进，原有优化方案仅覆盖单一对象，无法同步迭代智能体的工作方法与交付产物；AI自我改进过程需要反复生成候选版本、执行任务、评测效果，会产生大量重复计算，存在资源消耗高、运行时延高、算力利用率低的问题；自我改进的效果缺乏可验证的标准化流程，优化结果的可靠性难以保障，也无法有效沉淀经验供后续迭代复用。
AI 落地做法
推出双维度RSI框架，将优化对象划分为Harness（包含Prompt、Skill、Tool、Rail，决定智能体任务执行方法）和Artifacts（包含科研论文、算法程序等交付产物）两个维度，实现工作方法和交付成果的同步迭代；搭建可验证的工程闭环，通过基线建立、问题定位、候选版本生成验证、有效版本采纳、经验沉淀的标准化流程保障优化效果的可靠性；引入算力亲和能力，依托昇腾算力基础设施主动调度上下文缓存，降低多轮优化的时延与资源开销；最终将整套框架落地到WorkSwarm办公智能体，上线实验模式支持用户灵活发起各类优化任务。
实施路径
- 搭建四层协作的RSI工程框架：任务层定义优化目标、评价标准与资源配额，迭代优化层确定改进方向与版本采纳规则，执行层负责任务运行与证据返回，基础框架层提供运行支撑、模型与上下文管理、沙箱隔离、状态恢复和可观测性等统一能力
- 构建六阶段迭代闭环：通过评测与验证建立优化基线，经分析与优化定位问题原因，通过提案与构建生成候选版本，经采纳与融合形成新的有效版本，沉淀RSI经验提炼方法及适用条件，最后通过归档与停止保存结果并判断是否终止迭代
- 针对三类优化场景设计专属落地流程：Harness优化通过构建评测数据集、创建优化实验、自动迭代验证、插件安装四步实现智能体工作装备的优化；科研论文优化支持从研究构想或初稿出发设置迭代要求，自动打磨生成最优论文；科研算法程序优化支持上传初始程序与评价配置，自动尝试多版本筛选最优程序
- 研发算力亲和能力：依托昇腾算力基础设施，通过Agent Hint向推理引擎传递任务状态，在昇腾NPU显存、鲲鹏CPU内存与远端缓存池之间主动调度KV Cache，降低重复计算与资源消耗
来源：InfoQ 中文（本站改写摘要，成效数据均取自原文）
项目背景
当前AI Agent开始承担更多更长、更复杂的任务，如何让Agent从执行过程中积累经验实现持续自我改进成为行业新的技术发展方向，AI自我改进相关研究已经覆盖部署阶段行为、训练阶段策略、评估器乃至AI研究过程本身，正在从单一对象优化向AI系统全环节持续迭代的方向扩展。 本案例依据「InfoQ 中文」公开发布的信息整理，原文：https://www.infoq.cn/article/JghIFNXBNVSAfbgbR4S9?utm_source=rss&utm_medium=article
业务问题
AI Agent在执行长周期复杂任务时，难以从执行过程中积累经验实现持续自我改进，原有优化方案仅覆盖单一对象，无法同步迭代智能体的工作方法与交付产物；AI自我改进过程需要反复生成候选版本、执行任务、评测效果，会产生大量重复计算，存在资源消耗高、运行时延高、算力利用率低的问题；自我改进的效果缺乏可验证的标准化流程，优化结果的可靠性难以保障，也无法有效沉淀经验供后续迭代复用。
实践方案
推出双维度RSI框架，将优化对象划分为Harness（包含Prompt、Skill、Tool、Rail，决定智能体任务执行方法）和Artifacts（包含科研论文、算法程序等交付产物）两个维度，实现工作方法和交付成果的同步迭代；搭建可验证的工程闭环，通过基线建立、问题定位、候选版本生成验证、有效版本采纳、经验沉淀的标准化流程保障优化效果的可靠性；引入算力亲和能力，依托昇腾算力基础设施主动调度上下文缓存，降低多轮优化的时延与资源开销；最终将整套框架落地到WorkSwarm办公智能体，上线实验模式支持用户灵活发起各类优化任务。
原始来源：https://www.infoq.cn/article/JghIFNXBNVSAfbgbR4S9?utm_source=rss&utm_medium=article