Pyromind 押注 AutoRL:EchoMind 想让企业 Agent 越干越强
人人都在讲 RSI,谁来为企业界「双手沾泥」? 作者: GaKi 编辑: Koji 排版: NCon3 天前,「十字路口」团队关于 RSI 进行了一场2026 年终 AI 复盘,做客嘉宾 NeoCognition 联合创始人谷雨谈到了一个很有意思的判断:真正的长程 Agent,不需要连续完成一个星期的任务。它只需要像
👦🏻 作者: GaKi🥷 编辑: Koji🧑🎨 排版: NCon
3 天前,「十字路口」团队做了一场 2026 年终 AI 复盘,主题正是 RSI。做客嘉宾、NeoCognition 联合创始人谷雨在节目里抛出一个颇有意思的判断:
眼下 Agent 能扛的任务越来越复杂,Computer Use、Coding 这类基础能力也在飞快进步。问题是,它能不能把每次执行中产生的数据和反馈用起来,让自己的模型能力持续变强?
举个例:工厂里部署的一个视觉模型,今天把一件合格品错判成了次品。人工复核之后,系统拿到了正确答案。那么下回再碰上类似情形,模型能不能自己学会怎么判?
创业公司 Pyromind 正在探的,就是这条路。
这家公司 2025 年 10 月落地杭州,眼下在搭的是一套让 Agent 持续学习的 AI infra。
今年 8 月,Pyromind 创始人兼 CEO Kevin Ding 曾做客「十字路口」播客,当时他把公司的长期方向归结为 AutoRL——一条通往 RSI 的具体路径。
但只有模型训练能力显然不够。要走到那一步,还得有一套系统能长期跑着,把训练和更新流程自动管起来。
最近 DeepSeek Super-Agent 发布之后,业界围绕 Agent 怎么啃下长程任务的架构讨论又热了一层:Agent 系统如何在后台持续感知环境,异步拆解并推进复杂任务,正被当成新一代 AI 系统的标配思路。
Pyromind 的产品 EchoMind 也用了类似的系统解耦思路。区别在于,它不满足于让 Agent「把活干完」,还想再往前一步——让模型在干活过程中不断更新参数,越用越好。某种程度上,这才是更贴近企业需求的 RSI。
那这套思路落地时到底怎么跑?
下面结合 Pyromind 已有的客户实践、产品设计和公开技术资料,看看这家公司打算怎么应对企业 Agent 持续学习中的那些实际问题。
在那场聊 RSI 的年终复盘里,Continual Learning 为什么值得研究是主要话题之一。一个原因挺关键:如今的 Agent Benchmark 多半只盯着模型能不能把某个任务做完,却很少去问它能不能从先前的工作里学到东西。
Agent 得靠前面任务拿到的反馈,一点点弄懂公司的业务规则,再去做后面的活。
谷雨
当然,持续学习也有几种不同的做法。一种是把工作经验写进 Memory Notes,后面的任务再读出来用;另一种走得更远——把真实任务里的数据和反馈拿去训练,直接改模型参数。
Pyromind 把注意力放在后一种做法上。
今年 8 月,Kevin 在播客中对基础模型给出了一个判断:
说「够好」,是因为当下的基础模型通用能力已经相当强。
说「不够好」,是因为到了生产环境里,企业还有一大堆额外活儿要干。
拿一家工厂来举例,模型能答题、能看懂图片,这不过是第一步。
更难的是:它能否按工厂自身的标准去判定产品质量,并且在材料、光照、设备出现变化以后,效果依然稳得住。
今年 6 月,美国半导体行业媒体 Semiconductor Engineering 就报道过 AI 缺陷检测在规模化上遇到的麻烦。
GUI Agent 面临的是同一类问题。
点按钮、填表格,模型也许已经会了,可每家企业有自己的一套流程。基础模型就算是同一个,不同客户对结果的要求也可能差得很远。
这些知识,想全靠基础模型的预训练来覆盖,很难。
制造业 AI 的「长尾」问题,早在 2021 年就出现了。
他注意到,工厂与工厂之间产品不一样,要检测的缺陷也各不相同。
他去问制造业的从业者,每种缺陷能拿出多少张训练图片,听到最多的答案是 50 张,有的还更少。
当时他抛出了一个问题:
五年过去了,这个问题仍然有讨论的价值。
基础模型如今强了不少,可企业把 AI 部署下去,数据不够、业务一直在变,这些难题照样摆在面前。真实业务跟写代码不一样,没有非黑即白的对错——不少场景压根没有现成的评价标准,错误该怎么定义、能容忍到什么程度,各家公司也大相径庭。
这就意味着,企业里的模型更新不能只盯着训练 Loss 降没降,能不能对上自己的业务指标、业务效果有没有实打实的改善,才是要害。
所以企业要的不只是一个勉强能把活干完的 Agent,还得有一套 RSI 体系,让模型在真实使用中不断变好。
Pyromind 选的就是这个方向。
过去一年,FDE(Forward Deployed Engineer,前置部署工程师)在 AI 行业里成了抢手的岗位。
说白了,就是工程师扎到客户现场,摸清需求、接上数据,让模型真正落进客户的业务里。KDnuggets 引用 Indeed 的数据称,2026 年 4 月,FDE 岗位数量是 2025 年 1 月的 50 多倍。
Indeed 的 FDE 岗位柱状图
企业确实需要这类工程师。客户自己往往一开始也讲不清业务要求是什么。
问题是,每家客户都配一支工程师团队长期做模型调优和迭代,这套服务就没法规模化。
Pyromind 的办法,是把 FDE 的活切成前后两段。
Kevin 在播客里讲,头一回进客户场景,FDE 的工作省不掉。工程师得先弄懂业务,把客户说不清的业务标准翻成更明确的数据格式和评测标准,再让打分模型明白客户需求对应哪些具体规则。
这些做完之后,后面漫长的训练、迭代和上线更新,就有机会交给一套自动运行的系统。
Kevin 介绍,Pyromind 当时服务十几家企业客户,FDE 只有 2 名。
这个思路,跟一个 GUI Agent 客户有关。
这家客户下游有大量消费者用户,每天冒出新需求,也不断攒下新的任务数据和反馈。
第一期合作里,Pyromind 给的是 Studio。到第二期,团队开始把 GUI 场景里的打分规则做出来。
团队发现,Agent 能持续收用户反馈、这些反馈又能转成明确评分时,数据飞轮就有了雏形。
模型跑任务、产出数据,系统评估执行效果,再按效果决定下一轮怎么训练。
可在 Kevin 看来,当时这套服务只解决了一半问题。训练平台和打分规则有了,也只是飞轮的一半;要让整条管线自动、不间断地转起来,还得有一套新系统,把数据采集、清洗、训练、评测和模型热更新串起来、编排好、管起来。
顺着这个方向,Pyromind 继续琢磨怎么把模型后训练能力接上企业日常使用中的反馈,EchoMind 的设计思路就这样慢慢成形。
它叫 EchoMind:
按目前公开的产品设计,EchoMind 是 Pyromind 面向模型持续优化与自进化的产品,管的是模型多轮迭代里的训练计划、数据、训练流程和评测结果,让模型能靠反馈持续改进。
Studio 解决的是怎么训练一个模型,EchoMind 盯的则是另一个问题:
两款产品分工不同。
Studio 给的是实际的训练和评测环境;EchoMind 计划负责组织数据、触发训练、记录结果,还要管后续的模型更新。
眼下 Pyromind 给 EchoMind 规划了两种产品形态。
【1】企业版
面向工业质检、GUI Agent 等场景,初期适配由 FDE 完成,之后靠自动化流程持续更新模型。
【2】个人版
接下来打算跟 OpenClaw 打通,让系统在用户平常对话里攒数据,慢慢训练出更贴合个人习惯的偏好模型。
Pyromind 官网放出的个人版示例里,团队用了 IoU 这一指标,示例中从 0.2 提高到 0.65。
我们翻了 Pyromind 公开的产品文档和开源代码,把 EchoMind 的设计流程梳理如下。
按设计,用户既能在控制台建实例,也能通过 SDK 把自己系统接进来。
EchoMind 实例
接入方式之一,是给 Agent 配一个代理地址。
请求一旦经过 EchoMind,系统就能把执行中的操作、结果和相应反馈收下来。
客户还可以把每一步的评分传进来,任务完成后也能传入标准答案。
任务数据由系统不断收集,攒到预设的批量后,就能触发下一轮训练。
流程是先清洗数据,再调用 Studio 做模型训练和评测。
整个过程可能要跑上几个小时。
EchoMind 的思路是把任务分析和训练执行拆开。做分析的 Agent 不用一直挂着等,训练结束后系统再依照返回结果往下走。
新模型得先过评测,达标了才会进入部署环节。
按规划,EchoMind 会支持模型「热切换」,对外模型名称保持不变,同时可以先分一部分流量给新模型。
训练用到的数据,公开方案里还提了训练后删除的机制,让数据不至于长期留存。
对企业客户来说,这套设计尤为关键。
工厂、金融机构这类客户,对业务数据怎么存、怎么用通常卡得很严。数据能不能按约定处理,直接决定企业愿不愿意接入持续训练服务。
对企业来说,让一条训练流水线自己跑起来,并不是全部的难题。
模型要是连着更新几十轮、上百轮,系统就得既会调度任务,又能判断每一轮更新到底有没有用;业务一变或者出了岔子,还得知道该怎么调。
公开设计里,EchoMind 主要想了三件事。
Manager 负责理解目标、提出计划,数据处理、模型训练、评测则交给各个子 Agent,两边各自独立、各管一摊。
运行状态由系统单独持久化保存。这套做法和最近聊得比较多的 Super-agent 思路有些相近。
区别在于,EchoMind 调度的是长周期的模型演进实验,不是临时任务。所以每一轮迭代的数据版本、训练配置和评测结果,都得严格做到可记录、可复现、可回溯。
碰上全新的业务场景,EchoMind 不会一上来就开全自动循环。新的训练路径得先在「实验模式」里探索、验证,确认有效了,系统才会把它固化成能重复执行的流程。
客户的产线或业务规则要是发生大变化、老方案不灵了,系统也能自动切回实验状态,重新摸索并验证新的训练路径。
自动化不等于人彻底退出,而是把人放在最核心的决策卡点上。EchoMind 的设计里,优化目标由人和 agent 商量着定,关键实验计划要人确认。
新模型最后能不能上线,更得看真实业务的评测指标。
训练集和验证集的 Loss 下降可以当参考,但替代不了真实业务里的效果评估。这也是工业界和普通模型训练实验的一个重要差别。
对工厂来说,训练指标上去了,实际误报率却没降,甚至漏掉的缺陷更多,这轮更新照样没有价值。
前面讲的是 EchoMind 怎么让模型自动完成多轮训练和更新。实际业务里还有个更难的问题:模型每更新一次,企业怎么判断它是不是真的变好了?
工业质检就是个很典型的场景。
工厂用视觉模型识别产品表面的划痕、污点等缺陷。可材料、光照、相机角度一变,原先训好的模型也可能冒出新的误判。
这类问题很难靠一次训练就彻底解决。
所以工厂得不停收集产线上的误报、漏检和人工复核结果,再拿这些数据去训练模型。
Kevin 曾在播客里讲过一个工业质检项目:
误报率降下来这件事背后,藏着一个更深的考虑——新数据不光要拿来训练业务模型,还得同步校准「打分模型」。
前文提到,各家工厂对错误的容忍线本就天差地别。同一道细如发丝的划痕,A 工厂为保良率可以放行,B 工厂卡品控就必须拦下。产线上的人工复核记录越攒越多,打分模型也跟着一点点学、一点点校,把这些微妙的业务分寸吃透,越来越贴近工厂自己的判定标准。
也就是说,企业要做持续学习,光琢磨模型怎么训练还不够,更根本的难题在另一头:业务标准本身都在随时微调,每一轮训练跑完,凭什么说它真的变好了?
让执行模型和评价标准同步进化,这个思路在当下的 AI 持续学习研究里正被反复讨论,也被不少人看作下一阶段要啃的骨头。
今年,AI 工程师 Philipp Schmid 把系统的改进划成了几个层次。
其中层次更高的那条要求是:系统本事变大的同时,评判的尺子也得跟着升级,而且不能靠讨好评分规则来换取注水的进步。
落到工业质检上,这事就变得很实在。视觉模型训练时评分涨了,可产线上的误判没见少,漏检的缺陷反倒更多,那这轮更新就是白忙。
反过来,打分模型要是跟着业务数据一直调,却慢慢偏离了工厂真正在意的质量指标,系统同样可能往歪路上优化。
所以企业级持续学习得同时答两道题:模型如何借新数据不断长本事,系统又如何持续分辨这些长进是不是真的对上了业务需求。
这正是 EchoMind 想啃的问题之一。它不光要管一轮接一轮的训练,还得把业务反馈、评测标准和更新结果串到一起,让每次模型更新都有据可依。
这套本事能不能在不同企业里稳得住,也会决定自动化持续学习到底能替 FDE 分担多少后续的重复劳动。
眼下,想让 AI 自己改进自己的团队已经不少。前沿实验室拿模型去参与训练代码和研发流程,研究团队试着让 Agent 自己设计、自己跑实验,海外也冒出了专做企业模型训练与持续优化的创业公司。
比如 Applied Compute 的 AC2 平台,就是给企业提供专属模型的训练、部署和持续改进。
这条赛道上,Pyromind 面对的竞争不算小。但它还是挑了一条很具体的路走:靠 studio、echomind 这类产品,把模型在企业落地时最繁琐的脏活累活做成自动化基础设施,再把真实使用中的数据与反馈喂给下一轮训练,让模型参数也能持续更新。
让 FDE 走进客户现场,把业务标准理清楚;把非标经验沉淀成可动态校准的 打分模型 与评测基准; 再靠一套长期运行的自动化系统和训练底座,让真实反馈反哺参数更新。
EchoMind 想做的,是用近乎无痛的自动化把这些环节接起来。或许,这也是 RSI 在工业界更值得留意的一种落地方式。