GEAR 是面向递归自我改进 RSI 的开源通用框架，参考 Scikit-learn 的模块化设计思路，把 RSI 进化流程拆成可插拔、可互换的独立组件，开发者不用每次从零搭建整套评测、采样、迭代基建，直接组合模块就能搭建、对比、复现各类 Agent 自进化算法；很多人容易混淆 GEAR 和普通 Agent 提示词优化工具，GEAR 的核心不是调大模型权重，而是迭代优化 Agent 的 Harness，也就是提示词、工具集、工作流、上下文管理这套运行外壳，依托真实任务的执行反馈持续筛选更好的方案，还自带版本留存、并行评测、结果溯源能力。你先看懂 GEAR 核心模块分工、内外双层循环机制、实测效果，分清它和其他 RSI 项目差异，梳理认知误区，跟着实操步骤就能理解这套框架怎么让 Agent 持续变强。下面放 GEAR 核心模块对照表、双层进化循环说明、实测效果清单，最后给到项目核验步骤。
一、GEAR 核心可替换模块对照表
| 模块名称 | 核心功能 | 可替换范围 |
|---|---|---|
| 父版本选择模块 | 从历史候选方案里挑选优质 Harness 作为进化种子 | 不同筛选策略、帕累托择优、分数择优算法 |
| 修改规划模块 | 对选中 Harness 生成改动方案，修改提示词、工具、流程 | 变异策略、遗传算法、大模型改写策略 |
| 任务采样模块 | 挑选真实任务用来测试新版本 Agent | 任务分布采样、困难样本优先采样 |
| 候选评测模块 | 在沙箱内运行 Agent、判定任务是否成功、打分 | 自定义评判器、自动化验证脚本 |
| 候选排序模块 | 综合通过率、稳定性、多样性对新版本排名 | 多目标排序、单指标排序 |
| 多样性管理模块 | 避免进化出来的方案高度同质化，维持候选池丰富度 | 距离度量、去重策略 |
二、GEAR 双层进化循环机制
- 内层循环（任务执行评估）：固定基础大模型和当前 Harness，让 Agent 在真实业务任务里跑完整轨迹，自动收集执行日志、成功失败标记、评测分数，产出可追溯的反馈证据。这个环节模型权重不会改动，只记录 Harness 在任务上的表现。
- 外层循环（Harness 进化优化）：拿到内层反馈之后，GEAR 调用进化算法，对表现好的 Harness 做变异、组合，产出一批新候选方案；再送入内层循环批量评测，持续迭代筛选，保留稳定提升的版本，淘汰效果变差的方案。
- 基础设施层：统一管理候选版本、实验预算、并行推理、结果存档，不同 RSI 算法可以复用这套底层能力，也是对标 Scikit-learn 易用性的关键。
三、公开实验实测效果清单
✅固定基础大模型不变，只进化 Harness；营销任务通过率从 27.0% 提升至 40.0%
✅客服任务通过率从 17.0% 提升至 25.0%，复杂客服问答稳定性明显改善
✅代码类自动化任务，故障排查、脚本编写的一次成功率有稳定提升
✅基于 GEPA 遗传帕累托算法在 GEAR 上验证，多任务场景下兼顾效果与稳定性
四、高频认知误区清单
❌误区 1：GEAR 用来微调大模型权重。GEAR 现阶段主打 Harness 进化，也就是提示词、工具、工作流迭代，默认冻结基础模型权重。
❌误区 2：GEAR 是一个开箱即用的成品 Agent。它是算法实验框架，需要使用者准备好任务集、评判规则，搭配基础大模型使用。
❌误区 3：Scikit-learn 代表它是机器学习训练库。是借鉴 Scikit-learn“组件插拔、统一接口、快速对比” 的设计范式，不是做传统机器学习训练。
✅正确认知：GEAR 解决 RSI 领域痛点 —— 之前各类 Agent 自进化方案基建不统一、很难横向对比、复现成本极高。
五、项目实操核验步骤
第一步：区分目标，确认是要迭代 Agent 运行外壳 Harness，还是直接训练模型权重；
第二步：准备带明确成功判定标准的任务数据集，搭建自动化评测沙箱；
第三步：挑选进化算法，接入 GEAR 对应模块接口，配置采样、打分、多样性策略；
第四步：启动双层循环，控制评测并发和算力预算，记录每一轮候选版本的指标；
第五步：对比基线版本，验证提升效果，导出稳定的 Harness 方案投入业务。
【常见问题】
问题 1：GEAR 模块化 RSI 智能体框架，借鉴 Scikit-learn 风格体现在哪里？
回答 1：GEAR 模块化 RSI 智能体框架，借鉴 Scikit-learn 风格，把 RSI 进化拆成接口统一、可插拔的独立组件，开发者可以直接替换进化策略、采样规则、排序算法，底层评测、版本管理基建复用，方便快速搭建、对比、复现不同 Agent 自进化方案。
问题 2：GEAR 模块化 RSI 智能体框架，GEAR 主要优化 Agent 的哪一部分？
回答 2：GEAR 模块化 RSI 智能体框架，GEAR 主要优化 Agent 的 Harness，包含提示词、工具集合、执行工作流、上下文管理策略，默认不改动底层大模型权重，依靠真实任务反馈迭代这套运行外壳。
问题 3：GEAR 模块化 RSI 智能体框架，GEAR 的双层循环分别起到什么作用？
回答 3：GEAR 模块化 RSI 智能体框架，内层循环负责 Agent 在真实任务运行、自动评测打分，产出反馈数据；外层循环基于反馈做 Harness 变异筛选，生成新候选方案，两层循环持续运转，实现 Agent 能力迭代进化。
【参考资料】
[2026-11-11]（GEAR：打造 Scikit-learn 式的模块化 RSI 框架，让 Agent 从真实任务中持续进化）机器之心、新浪财经
[2026-10-26]（GEAR: An Open General Evolutionary Architecture for Recursive Self-Improvement of LLM Agent Harness）arXiv 预印本论文
[2026-11-11]（模块化 RSI 框架 GEAR 开源，统一 Agent 自进化实验底座）机器之心
[2026-11-11]（RSI 进化框架 GEAR：解决 Agent 自进化难以对比复现难题）AI 前线
【免责声明】
本文 GEAR 模块化 RSI 框架相关内容整理自 arXiv 论文、机器之心等科技媒体公开报道；GEAR 属于前沿科研开源框架，尚处在实验阶段，生产业务落地需要自行搭建沙箱、任务评判体系；实验提升数据是固定模型与任务集下的测试结果，效果会随基础模型、任务场景变化；内容仅作为 AI 技术科普参考，不构成工程落地、技术选型的决策依据。