Agnes AI开源Harness:双RSI架构让Agent边干边学

资讯 凤凰科技 作者:新智元 全文 3437 字 · 约 9 分钟读完 配图 10 张 分类AgnesRSIAnthropic学术研究

团队自评中该框架在MHS-BENCHMARK等六项基准取得对照组最高成绩

所属频道 大厂动态前沿研究

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 1)

OpenAI这两天公开了一份内部报告,标题是「研究加速:锯齿状前沿」。

报告中,他们向自家101位研究人员提了个很直接的问题——

假如把你手上最强的编程Agent拿走三个月,你愿意用什么来交换?

回答让人后背发凉:宁愿砍掉团队30%的算力或40%的人力,也不肯失去它。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 2)

在全球最顶尖的AI实验室里,Agent的分量已经超过了一大批同事;如今它成了顶级实验室乃至不少人的「命根子」。

但真要把它放到现实世界,去跑通企业流程、指挥机械臂干活,光有一颗聪明的「大脑」还远远不够。

就在这个节点上,Agnes AI开源了自家的智能体运行与扩展框架Agnes Harness。

它最受关注的地方在于,除了执行指令,还能从实践中积累经验、不断改进:

模型层:TTT(测试时训练)让决策模型在每次判断前「现场学习」,就地适应眼前的任务;

系统层:RSI(递归自我改进)自动复盘失败、验证新策略,再把跑通的流程沉淀成Skills和Playbook。

一个负责让Agent当场学,一个负责让Agent长期记。

不过在聊它怎么「进化」之前,先看它是怎么干活的。

大脑想事,小脑干活

先看一个很简单的任务:在仿真环境里,机器狗要在屋里找到一扇门,然后穿过去。

这么简单的事,全交给LLM来指挥,做起来却拖拖拉拉。

视觉接口得一步步调用:先拍照,再打包传给大模型,之后只能留在原地等结果。大模型想上一阵,回过来一句「门在左前方,往左转15度」。

转完,再拍,再发,再等。大部分时间都耗在了请求和等待上。

可人走路的时候,大脑根本不管「左脚抬起、重心前移」这种事,全靠小脑自动完成。

凭什么让AI最贵、最慢的那颗大脑,去包办每一步怎么迈?

换上Agnes Harness的决策模型后,机器狗自己就能瞬间判断「门在不在眼前、距离够不够」,毫秒级连贯做完一串动作。

同样的活,耗时直接减少32.9%。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 3)

Agnes Harness的第一个核心设计就藏在这背后:双系统决策。

还有不少Agent选择让大模型站C位,事无巨细都先问它。东西是做得好,可流程就跟每件事都等CEO签字一样——CEO本事再大,速度也上不去。

换个轻量模型能压成本,可速度快归快,复杂场景一碰就原形毕露。快和准,看起来只能挑一个。

Agnes Harness的做法,是让任务难度来决定由谁出手。

大语言模型扮演“大脑”:理解用户想干什么、把复杂任务拆开、做出规划、处理临时冒出来的异常,深度思考都归它。

“小脑”则是决策模型:任务状态已经清楚了,下一步调哪个工具、请求走哪条路由、流程怎么推进,由它当场定夺,图的就是反应快。

这颗“小脑”,正是Agnes以插件形式装进框架的决策模型Agnes Sys1 1.0。

它只有9B参数,单机即可部署,主攻工具选择、流程判断、请求路由和有序评分,常规任务下决策能做到亚秒级。

这套分工,与心理学家卡尼曼提出的“系统1、系统2”几乎一模一样:一个凭直觉立刻反应,一个靠理性慢慢推演。

日常判断交给Sys1,大模型被叫用的次数降下来,等待变短,开销也跟着省。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 4)

小脑还有个更要紧的特点:可以随时替换。

默认装的是Sys1,开发者也能根据场景换成其他决策模型。

客服、仓储、代码审查,各自需要的“直觉”并不一样,框架把自定义的余地直接留给了开发者。

可“快”只把问题解决了一半。

这一回学会,下一回就能用上

真正的智能不该停留在执行指令上。指令本身就是错的,执行得再麻利也毫无意义,倒不如不做。

它得能在实际做事中反复打磨、攒下经验,并且一直变得更好。

沿着这个方向,Agnes Harness铺出了一条双层自进化路径,从“模型适应”走到“系统优化”:

模型层由TTT当场适应,系统层靠RSI长期积累。

第一层TTT:让小脑在现场学

一般来讲,训练和推理是两个分得很开的阶段。

可到了真实业务现场,数据格式五花八门,小众语境一个接一个,光靠预训练学来的东西,常常会“水土不服”。

于是,负责高频快速判断的小脑Sys1,被装上了TTT(Test-Time Training,测试时训练)机制。

它的运作方式相当巧:

在Agent拿到当前任务材料、正要给出判断之前,Sys1会从当前上下文里自动提取信息,搭出一个轻量、可验证的“辅助任务”。

随后在单次请求之内,模型完成少量参数更新;为了速度和稳定两头兼顾,更新被严格限定在模型末端的RMSNorm缩放参数上。

这有点像狙击手临上场前的动作:训练营里学的那套理论先放一边,扣扳机之前先抓一把土,看看当下风速多大、湿度如何,再赶紧把瞄准镜调好。

靠TTT,决策模型在毫秒级时间内就摸清了眼前这项任务的格式与语境。

而且更新只发生在局部、只对当下这一刻生效,下一次请求的基线状态不受影响——这一场现场适应完,下一场重新起步,模型不会被调得越来越偏。

任务进行中始终保持灵敏的判断力,这是第一层进化。

第二层RSI,让系统越干越熟练

第二层进化里,Agnes Harness把复盘这件事交给了系统层。借助Harness的记忆机制(事件账本与状态记录),RSI在后台干着一份极严苛的「复盘导师」差事。

RSI会盯着Agent执行任务的现场,哪里报错了、哪个环节反复重试拖慢了效率,它都能敏锐地捕捉到。识别出问题之后,系统自动复盘,结合上下文与设备状态,推演出新的执行策略,比如调整API调用顺序、增加校验条件。

推演完还要验证。带着新策略,Agent会在当前会话或后续相似任务里实盘跑一遍。

最核心的一步是经验沉淀:策略一旦被验证有效,RSI就把这套跑通的流程直接封装成Skills(技能)和版本化的Playbook(剧本)。

换句话说,智能体把偶然得手的那一次,固化成了必然具备的能力,等于给自己写了一本「通关秘籍」。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 5)

实战:看它怎么越干越熟

光说进化太抽象,直接看几个真实案例。

设备入库验收看着简单,其实很考验细节:秤台读数什么时候算稳定,各个步骤按什么顺序走,哪一环出错都可能失败。首次执行时,Agent恰恰是不熟悉秤台稳定的判断,操作顺序也出了错,结果超时,30分钟还没做完。

之后RSI复盘了这次执行,自动记下秤读数该在什么时机提取,并整理出一份操作手册。

下一次任务,Agent按已验证的流程走,8分钟内顺利结案。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 6)

下面这个,是整套流程里最复杂的一个。

行李房场景中,Agent要扫码识别一件易碎行李归谁,再完成分拣,同时还得对另一件行李实测称重,判断是否需要暂留。

首次执行,扫码和分拣都顺利做完了,但设备操作起冲突、称重时机也不对,Agent始终拿不到有效读数。RSI随后做了多轮分析与优化,一步步调整设备调用顺序、称重前置条件和读数校验方式,再把跑通的流程沉淀成可复用的经验。

优化之后,Agent成功测得行李重量为12.60公斤,确认超过标重4.60公斤,触发了暂留条件。最终9项评测全部通过,后续三次独立复验也全部通过。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 7)

TTT 的作用,是让小脑在每次判断时都紧贴现场情况;RSI 则让系统在每完成一次任务后都更熟练。

这两层能力叠在一起,Agent 就用不着回回从零起步。

给 AI 拼出一副「完全体」

把这些模块合到一处,Agnes Harness 的整体架构便清晰起来,其设计几乎完全参照人。

大语言模型充当大脑,承担深度思考;Sys1 扮演小脑,专管快速反应。

Harness 的运行机制本身构成记忆:事件账本记录任务推进到哪一步,Skills 和 Playbook 记下过去是怎么做成的,长流程即使做到一半,也不会顾此失彼。

TTT 与 RSI 则是贯穿全过程的成长能力——前者在模型层面帮它即时适应,后者在系统层面帮它长期积淀。

若要迈进物理世界,Agent 还得有一副身体,也就是 MHS(Model Hardware Standard,模型硬件标准)。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 8)

在数字世界里,Agent 已经相当能干。可一旦让它去拧机械臂、读传感器,麻烦就接连出现:各家设备的接口互不相同,只能逐个适配;几台设备之间要协同,局面就更乱。

MHS 借助一套统一标准,把机器人、机械臂、传感器这类可编程设备接入进来。

设备接进来之后,大脑负责理解人类意图,小脑快速判断每一步,MHS 则把指令落到具体设备上,还能协调多台设备一同作业。

Agnes AI开源Harness:双RSI架构让Agent边干边学(配图 9)

下图的 demo 中,有了身体之后,Agent 能直接叫机器狗去找「瓦力」打招呼。

从听懂一句模糊的自然语言,到读取设备状态、调用摄像头、规划动作,再到真机执行,整个流程都不需要人工一步步介入。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

    有点不可思议,AI Agent 已经开始组团搞科研了。近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主开展研究、交流成果。这些 Agent 会提出假设、设计实验、运行代码、分析数据,还会把研究成果写成论文,提交给其他 Agent 审查。更有意

    来源 腾讯网
  2. 上市前一天,80余位学界与AI大佬联合声明:“Anthropic不是一家安全的AI公司”

    【TechWeb】11月18日,Anthropic正式确定IPO发行价为每股83美元,高于此前70-78美元的指导区间;公司连同部分股东共发行约9.8亿股A类普通股,公开发行筹资约813亿美元,叠加向谷歌、英伟达、微软等战略投资者的260亿美元私募配售,合计融资规模突破944亿美元,超越SpaceX今年6月创下的纪录,

    来源 AI 行业观察
  3. Anthropic上市募资813亿美元:AI资本竞赛进入新阶段?

    作者|版君一家公司上市,募资813亿美元,首日市值一度突破2万亿美元。毫无疑问,Anthropic创造了美国资本市场新的IPO纪录。但这场IPO值得关注的,远不只是一个一批百万富翁,或者一家公司创造了多少融资纪录。它更像一次集中展示,AI产业积累多年的技术价值、私人财富、资本承诺和商业风险,正在同一天被摆上台面。这背后

    来源 腾讯网
  4. Anthropic Claude Fable 5.2:独立破解黑洞两大悬案,锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独立写成,主

    来源 AI 行业观察
  5. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  6. Snapchat Easy Lens CLI上线:AI助手可建AR滤镜

    11月18日(周三), Snapchat 宣布推出 Easy Lens CLI ,允许AR滤镜创作者直接调用 Claude Code 、Cursor和Codex等AI编码助手构建核心特效Lens,旨在降低AR内容创作门槛并将平台融入开发者现有工作流。 该工具基于网页与移动端单提示词生成滤镜的 Eas

    来源 AI 开发者社区
  7. Snapchat发布Easy Lens CLI,支持Claude Code与Cursor等AI助手构建AR滤镜

    11月18日,Snapchat推出Easy Lens CLI,允许AR滤镜创作者直接调用Claude Code、Cursor、Codex等AI编码助手构建核心Lens,降低创作门槛并融入开发者工作流。该工具由Easy Lens演进而来,支持Mac、Windows、Linux;创作者用自然语言描述需求,AI即可完成全链路

    来源 AI 产业速递
  8. 北大校友出题考AI蛋白质序列:Claude答上,GPT和Gemini落败

    11月19日晚 Anthropic 在纳斯达克敲钟,代码 ANT,发行价 83 美元。上周它刚发了 Claude Fable 5.2,这几天不管打开哪个群,聊的都是它写代码又强了多少,这个模型的定价贵不贵。 APPSO 是昨天在 Hacker News 首页刷到这篇博客的。它不聊代码,也不聊股价,标题就一句话,「Cla

    来源 AI 行业观察
  9. 奥特曼谈AI造AI:OpenAI能再推一步,但不敢撒手

    AI已经在帮OpenAI造下一代GPT了。 可真要把研发方向盘彻底交给AI,奥特曼还是亲自踩了一脚刹车。 11月16日,在Semafor的活动现场,谈及「递归自我改进」(RSI),奥特曼当场划下一道红线: 我们本可以进一步向递归自我改进推进,但我不认为现在能安全地这么做。 潜台词很明显:不是现在技术上推不动,而是真不敢

    来源 AI 行业观察
  10. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  11. 全球宕机、Anthropic上市、芯片变局:AI繁荣的三重底色

    过去一周,大规模宕机事件席卷全球数字生活,暴露出AI时代基础设施的深层脆弱。与此同时,Anthropic的IPO为行业注入新资本,黄仁勋之后的AI芯片格局也在悄然生变。本期WIRED播客《Uncanny Valley》围绕这三条主线,拆解AI繁荣背后的技术逻辑与商业变局。

    来源 AI 科技快讯
  12. Anthropic纳斯达克首秀大涨33%,AI资本盛宴再掀高潮

    11月20日,AI明星公司Anthropic正式登陆纳斯达克,首日交易价达111美元,较83美元的IPO发行价大涨33%。此次IPO募资规模超过800亿美元,成为AI领域迄今规模最大的公开上市事件之一。首日强劲表现不仅彰显资本市场对头部AI企业的信心,也为后续排队上市的AI公司打开了窗口。

    来源 AI 科技快讯
  13. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  14. 谷歌Gemini登陆Mac:AI代理代操作电脑,桌面入口争夺战开跑?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险,也成为用

    来源 AI 行业观察
  15. 起底Anthropic(二)末世论技术宅

    ► 文 观察者网心智观察所 2023年春天,前“人类未来研究院”学者埃米尔·托雷斯与前谷歌人工智能伦理团队负责人蒂姆尼特·格布鲁首次抛出“TESCREAL”这一缩写词,并于2024年4月正式发表合著论文,对这一概念作了系统诠释。两位熟知EA运动内情的批判者一针见血地指出,硅谷技术精英圈所流行的有效利他主义、长期主义、奇

    来源 腾讯网
  16. Anthropic IPO成底牌,AI股神第三次重建启动

    25岁“AI股神”Aschenbrenner正筹划重启对冲基金Situational Awareness,计划重引杠杆并向外部募资,内部称之为“Situational Awareness 2.0”。恰逢其持有约50亿美元股份的Anthropic本周启动IPO,为重建计划提供重要支撑。

    来源 华尔街见闻
向下滚动自动加载更多