Coding Agent 老是重复读文件、改完不跑测试？人大开源 FlashRSI 让它自己改提示词和配置

RSI 是 Recursive Self-Improvement，递归自我改进：Agent 看自己跑任务的表现，提出对自己提示词、技能、工具或配置的修改，跑一遍评测，保留得分更高的版本，再继续下一轮。过去每种做法（OPRO、GEPA、ACE、SkillOpt 等）各有各的代码，想比较哪个好要重新搭环境。FlashRSI 就是把它们放进同一个实验接口。

01它到底统一了什么

• 13 种 RSI 算法，README 列出 OPRO、GEPA、EvoPrompt、ACE、SkillOpt、Evo-Harness、AHE、ADAS、DarwinX、Meta-Harness、ModularRSI、RRSI、Arbor。
• 30 个评测集，涵盖问答、数学、编程、网页研究、文档和工具调用等。
• 7 种被优化的 Agent 外壳：MiniAgent、Claude Code、Codex、Pi、Hermes、OpenClaw、OpenCode。

一次实验由“用哪种算法、优化哪个外壳、用什么评测、用哪个模型”几项组合而成，写在一份 YAML 或命令行参数里。组合换了，不用另写运行脚本。

02改了什么都有账可查

这是我觉得最实用的一点。自动改提示词最怕改坏了找不到原因，FlashRSI 的每次运行都会保存：每个候选版本（不可修改的快照）、隐去密钥的配置、执行轨迹、得分、资源消耗，以及最后被选中的那一版。你可以回头看 Agent 到底动了哪个提示词或技能文件，再用 flashrsi evaluate 单独评测某个保存下来的版本。

03跑一次最小实验

README 要求 Python 3.12，推荐用 uv 装；需要 Docker 的评测任务要另装 Docker。

git clone https://github.com/RUC-NLPIR/FlashRSI.git
cd FlashRSI
uv venv --python 3.12
source .venv/bin/activate
uv sync --extra all

export TARGET_API_KEY="..."   # 被优化的 Agent 用的模型密钥
export WORKER_API_KEY="..."   # 负责提改进建议的模型密钥
flashrsi run --algorithm skillopt --benchmark searchqa --agent-harness miniagent \
  --model deepseek-v4-pro --worker-model deepseek-v4.1-flash \
  --set agent.llm.api_key="$TARGET_API_KEY" \
  --set algorithm.worker.llm.api_key="$WORKER_API_KEY"

也可以直接用仓库里的 examples/quickstart.yaml：flashrsi run --config examples/quickstart.yaml。上面的命令和参数照 README 抄录，我们没有运行。

04上手前的几点心理准备

• 每一轮改进都要真的调用模型去跑任务，两套模型密钥意味着两份费用，先从小评测集开始。
• 项目对 Claude Code、Codex 这类外壳的改动范围，是提示词、技能、工具、钩子、记忆等资源；实际效果看你选的评测集，官方 README 里的成绩图是他们自己的实验结果，不能直接套到你的项目。
• README 的论文徽章只指向 arXiv 搜索页，没有给出确定的论文链接，想看原理建议先读项目文档站。

许可证为 Apache-2.0，可商用。