新环境不熟悉
主动练习与探索
积累操作方法和环境约束
01 是什么，能解决什么问题
固定模型参数 · 通过外部记忆学习让 Agent 在新环境中，积累可复用经验。
RSIAgent 是一个无需更新模型参数的自进化研究框架：执行、验证、整理记忆，指导下一次任务。
同类错误反复发生
把成功与失败整理成经验
供后续任务检索复用
目标暴露能力弱点
规划针对性练习
用新经历补充已有记忆
02 怎么做的
接入 Harness：入口、学习循环、返回主任务接到 Harness 后：谁启动学习，如何回到主任务？
接入设计示意 · 触发策略需由 Harness 实现HARNESS · 任务入口接收任务并准备上下文
加载环境、任务目标与已有记忆
没有历史经验时，从空记忆开始
HARNESS · 配置的学习策略判断本次是否进入 RSI
例如：预先启用探索，或失败后补练
传入学习方向、执行权限与预算
RSI · CURRICULUM规划下一次学习经历
读取目标、记忆与已有反馈
决定安排练习，或直接交回控制权
需要学习 ↓ Harness 调用 RSI 并安排练习环境无需学习 ↘ 直接进入主任务执行
HARNESS / RSI 编排层：调用角色、隔离练习、提交版本并行时全部有效验证后，原 Actor 按顺序提交
练习 ACTOR执行练习
读已有记忆、操作软件
首轮记忆为空也可执行
VERIFIER独立检查结果
原始要求 + 实际产物
返回结论与证据报告
同一个 ACTOR整理本次经验
结合经历和验证报告
蒸馏、修订、整理记忆
编排层 → MEMORY保存持久记忆
检查边界、保存快照
新版本供后续任务使用
PASS / FAIL才进入经验学习；UNVERIFIED先补查证据
RSI 编排层再次调用 Curriculum
这次带上已提交的记忆、练习结果，以及可用的学习诊断
↻ 继续探索设计下一批练习，回到执行与验证
→ 本轮学习完成返回记忆版本、学习状态与记录
■ 停滞 / 预算耗尽 / 异常返回真实状态，由 Harness 决定后续
↶每轮都继承新记忆：设计练习 → 执行 → 验证 → 学习 → 提交 → 再规划
返回 HARNESS · 主任务生命周期接收学习状态，用当前记忆执行 / 重试主任务
检查主任务结果 → 成功则交付；失败时按配置决定修复、再补练或停止
Curriculum 的“准备好”只结束本轮学习，不代表主任务已经成功。
Harness 管入口与主任务，RSI 管练习与经验积累，Memory 连接两次执行。
原库的三阶段协议（与上方 Harness 接入示意区分）
广泛探索
多分支并行练习 → 独立验证
→ 原 Actor 按顺序合并经验
针对目标深入练习
尝试目标 → 学习 → 针对性补练
→ 新 Actor 用新记忆重试目标
冻结记忆评测
关闭练习与记忆回写
→ 执行、验证结束后官方评测
03 边界在哪儿
任务结果、经验正确性、长期收益分开看已具备的闭环
独立检查本次任务结果
Verifier 探测实际产物；检查质量仍依赖模型与证据。
更新、继承与追溯外部记忆
Actor 整理经验；宿主提供隔离、快照和恢复。
尚未建立的保障
经验正确性与更新收益验收
没有独立知识验收、新旧记忆对照、回归与防退化发布门槛。
成熟的长期记忆服务
尚缺统一语义检索、过期治理和多用户管理；不更新模型权重。
Verifier 验证“这次做对了吗” ≠ 验证“这条经验让以后更好吗”。
适合作为迭代底座；下一步补记忆收益评估与防退化。候选记忆 → 对照 / 回归 → 发布或回退