如何递归改进你的智能体

今天我将向你展示如何递归改进你的智能体。我们将构建一个从 7/10 起步的智能体，然后运行一个递归自动改进循环，直到所有探针（probe）都通过。

其原理如下：我的编码智能体读取目标智能体的指令，并挖掘其使用数据以生成探针。然后，它针对线上智能体运行这些探针，审查日志，并编辑智能体，直到每个探针都通过。

最终结果如下所示：

并非 RSI

递归自我改进（RSI）在社区中有特定的含义。1) 系统改进自身，2) 改进的目标是提升其改进能力，3) 收益复合增长。RSI 是一个发散过程。而这里是一个 AI 改进另一个 AI。编码智能体编辑目标智能体的指令、工具和参数。递归自动改进（RAI）是一个收敛过程：它将智能体拉向一个固定点，即其自身的规格。对于生产环境软件，收敛正是我们所需要的。

自己动手试试

要构建一个自动改进循环，你需要一个为此而设计的系统。

你的编码智能体需要能够：

• 通过 API 查询线上系统。 这样它就能针对线上智能体测试改进效果。

• 查看日志。 这样它就能完全掌握智能体的运行轨迹。每次工具调用、错误和调试信息都可供编码智能体使用。

• 修改代码并测试更新。 这样它就能修复、改进和扩展智能体，使其通过探针。

• 挖掘使用数据。 这样它就能从真实使用模式中推导出探针。问题、回答和失误有助于它了解智能体在哪些方面存在困难。

• 查找框架信息。 这样它就能通过调整参数可靠地进行更新。

这个“系统”正是我过去一年所构建的，结果令人惊叹（MARVELOUS）。

如果你是智能体构建者，我强烈建议你跟着做。即使你不是 Agno 用户，这种编码智能体驱动的范式也是一种眼见为实的体验。我们将从设置平台开始，到创建智能体，再到使用编码智能体改进它们，全程实操。

我们先从设置平台开始。

设置你的平台

步骤 1： 启动你的编码智能体。我使用的是 claude code，并带 --dangerously-skip-permissions 参数。

0:04

步骤 2： 创建你的智能体平台。

• 确保 Docker 已安装并正在运行。

• 使用 export OPENAI_API_KEY=... 导出你的 OpenAI API 密钥。

• 从 os.agno.com 获取提示词，并把它交给你的编码智能体。

平台启动后，连接到 AgentOS UI（也就是你获取提示词的地方），在创建用于自动改进的智能体之前，先到处玩玩。

创建要改进的智能体

设置平台的技能最后会推荐一个名为 Radar 的智能体，就按它来。

Radar 是自动改进循环的绝佳示例，因为它的规格中包含了许多可以用机械化方式检查的规则：

• 最多 5 项，每项一行，每项都附有来源链接。

• 不使用夸张形容词。

• 维护一个已报告项目的台账，避免简报重复。

可选：在改进之前先使用它

自动改进循环最强的探针来自使用数据。所以在改进一个智能体之前，我会……先使用它几次。请求简报，追问后续，提出对抗性问题。

使用数据以会话（session）的形式存储在 Postgres 中。当改进循环运行时，它会挖掘这些使用数据以推导出探针：重复出现的模式、明显的失误、超出范围的需求。

注意：你可能会在 Parallel MCP 上遇到速率限制错误。要修复这些问题，请从 platform.parallel.ai 获取一个密钥，并设置到 .env 文件中。

运行改进循环

现在进入重头戏：自动改进循环。我将 cd 到平台目录，并打开另一个编码智能体。我们 cd 进去，这样编码智能体就能获取技能，我也可以使用斜杠命令来运行它们。

/improve-agent

这个循环运行约 25 分钟，我对视频做了大幅剪辑（并加速），把它压缩到 2 分钟。我很少在不先运行这个循环的情况下部署智能体。

我最喜欢的方式是夜间运行。我用 300-500 个探针启动循环，然后去睡觉。这个循环会处理罕见的边缘情况、奇怪的措辞、以及只在百次运行中出现一次的失败。我的编码智能体在我睡觉时逐一处理它们，修复它所能找到的所有 bug。

然后，你可以让智能体提供一份报告。我得到的报告像这样（因为它能访问我的内部设计系统）：

工作原理

编码智能体读取 Radar 的指令并挖掘会话，以构建一组探针：黄金路径、边缘情况、工具选择、对抗性。对于每个探针，它都会根据规格写一行预期行为。然后，它针对线上智能体运行这些探针，从容器日志中读取工具调用、错误和调试信息，并对每个响应进行评判。

对于每次失败，它都会选择一个杠杆来改动：收紧规则、添加规则、更换工具。它会编辑 agents/radar.py 中的智能体代码，重启，然后只重新运行失败的探针。大多数修复只是一句话或一个参数更改。

注意：你也可以把失败转化为评估（evals）:)

总结

这里是全新的智能体开发生命周期，完全由编码智能体管理：

markdown   /create-agent            搭建一个新智能体
        │
        ▼
   /improve-agent ◄──────┐  对照其自身规格进行改进
        │                │
        ▼                │
   /extend-agent ────────┘  添加一项能力，然后再次改进
        │
        ▼
   /deploy-platform         启动它
        │
        └──► 当你希望它做更多时，回到 /extend-agent

感谢阅读！本文也发布在我的博客上。

Ashpreet