GEAR 是伦敦帝国理工、杜克大学等机构推出的开源通用进化架构，目标打造像 Scikit-learn 一样简单易用、可插拔的模块化 RSI（递归自我改进）框架，能够让 AI 智能体 Agent 在真实业务任务中持续迭代进化，不用改动大模型权重，只优化 Agent 执行 Harness（提示词、工具、工作流、上下文管理）。过去 RSI 相关研究大多是高度定制化的独立实验，代码耦合严重，研究者更换进化策略、评测逻辑就要大面积重写整套代码，不同方案之间很难横向对比；GEAR 参考 Scikit-learn 的模块化设计思路，把 RSI 完整流程拆成标准化独立组件，每个组件统一输入输出接口，可以直接替换，搭配并行推理、版本记录、评测追踪基础设施，开发者快速组装不同 RSI 算法，方便做对照实验。该框架搭配 GEPA 遗传帕累托算法做验证实验，固定底层大模型不变，仅迭代 Agent 执行框架，在营销、客服、代码三类真实任务上，Agent 任务通过率得到明显提升，项目已经开源，配套论文、项目主页、GitHub 代码仓库。整个进化流程分为内层任务执行评估循环和外层 Harness 优化循环，不断采集真实任务轨迹、评估效果，生成候选改进方案，筛选保留优质版本，循环迭代让 Agent 能力持续变强。
一、GEAR 框架核心信息汇总
| 项目 | 详情 |
|---|---|
| 框架名称 | GEAR（通用递归自我改进进化架构） |
| 核心定位 | Scikit-learn 风格模块化 RSI 开源框架，用于 Agent Harness 迭代进化 |
| 研究机构 | 伦敦帝国理工学院、杜克大学等 |
| 论文发布时间 | 2026-10-26（预印本） |
| 开源地址 | github.com/rsi-gear/gear |
| 项目主页 | rsi-gear.github.io |
| 核心特点 | 模块化可插拔组件、无需修改大模型权重、版本溯源、并行评测 |
| 验证算法 | GEPA（Genetic-Pareto 遗传帕累托算法） |
| 测试任务 | 营销、客服、代码编写等真实场景任务 |
二、GEAR 模块化核心组件清单
- 父版本选择模块：从历史迭代的 Agent 版本中挑选基础候选版本。
- 修改方案规划模块：针对当前 Harness 生成优化方案，修改提示词、工具调用逻辑、工作流。
- 任务采样模块：选取真实任务样本，用于验证新版本 Agent 效果。
- 候选评测模块：在沙箱环境执行 Agent 任务，自动打分、记录运行轨迹。
- 多样性管理 & 候选排序模块：筛选优质版本，淘汰无效或退化的方案，保留多样化改进方向。
- 配套基础设施：并行推理引擎、版本管理、实验记录、评测证据存储，方便复现实验。
三、双层进化运行机制
内层循环：任务执行与评估
固定底层大模型与当前 Agent Harness，让 Agent 执行真实任务，采集完整执行轨迹，按照预设指标打分，输出评估结果，作为外层优化的反馈依据。这一层只采集真实任务反馈，不修改模型权重。
外层循环：Harness 优化迭代
基于内层反馈，调用进化算法生成多套 Harness 修改候选方案，送入评测模块验证，用帕累托多目标筛选，保留性能、成本平衡的新版本，进入下一轮迭代。持续循环，Agent 的提示词、工具、工作流不断优化。
四、实验实测效果
- 营销任务：Agent 任务通过率从 27.0% 提升至 40.0%
- 客服任务：Agent 任务通过率从 17.0% 提升至 25.0%
- 代码任务：Agent 代码完成通过率同样获得正向提升
实验约束：底层大模型权重完全固定，仅迭代 Agent 的 Harness 执行框架
五、GEAR 对比传统 RSI 方案优势
- 模块化可替换：组件接口标准化，类似 Scikit-learn，更换进化策略不用重构整套系统。
- 模型权重冻结：不需要微调大模型，只迭代 Agent 提示词、工具、工作流，成本更低。
- 实验可对比可复现：所有候选版本、评测日志、运行证据统一保存，方便横向对比不同 RSI 算法。
- 适配真实业务任务：不是只在合成基准集测试，支持接入营销、客服这类真实场景做持续进化。
- 并行评测能力：支持多候选方案并行推理，大幅缩短迭代实验耗时。
六、落地使用步骤
- 准备真实任务数据集，定义任务成功判定标准，接入沙箱执行环境。
- 选择基础 Agent Harness 模板，配置底层 LLM 推理接口。
- 在 GEAR 中选择进化算法（例如 GEPA），组装各个模块化组件。
- 启动双层进化循环，框架自动生成 Harness 修改候选、执行评测。
- 根据评测结果，筛选保留优质 Agent 版本，持续迭代。
- 导出最终优化后的 Agent 工作流，部署到业务场景。
七、风险与局限
- GEAR 优化对象是 Agent 执行框架，底层大模型本身能力上限不会突破。
- 迭代依赖高质量真实任务样本，如果任务集覆盖不足，Agent 容易出现过拟合。
- 多轮迭代会带来大量推理开销，真实业务大规模落地需要考虑算力成本。
- 目前属于研究开源项目，生产级工程化能力仍需要二次开发。
八、总结
GEAR 打造 Scikit-learn 式模块化 RSI 开源框架，核心思路就是把递归自我改进 RSI 的整套流程拆成标准化可插拔模块，研究者可以灵活组合、替换算法组件，像调用机器学习工具库一样快速搭建 RSI 实验。GEAR 不会改动大模型权重，只持续优化 Agent 的提示词、工具链、工作流，依托真实任务的执行反馈循环进化，在营销、客服、代码任务中验证出明显性能提升。项目已经开源，方便 AI 智能体领域的研究者快速开展 RSI 相关实验，但现阶段偏向科研原型，直接上线生产业务还需要额外工程改造。
【常见问题】
问题 1：GEAR 打造 Scikit-learn 式模块化 RSI 框架，GEAR 里的 RSI 是什么含义？
回答 1：GEAR 打造 Scikit-learn 式模块化 RSI 框架，RSI 全称递归自我改进（Recursive Self-Improvement），是让 Agent 依靠任务反馈，迭代优化自身执行框架，在真实任务中持续进化的技术范式。
问题 2：GEAR 打造 Scikit-learn 式模块化 RSI 框架，GEAR 进化 Agent 的时候，需要微调大模型权重吗？
回答 2：GEAR 打造 Scikit-learn 式模块化 RSI 框架，使用 GEAR 做 Agent 进化不需要改动底层大模型权重，只迭代 Agent 的 Harness，也就是提示词、工具、工作流和上下文管理。
问题 3：GEAR 打造 Scikit-learn 式模块化 RSI 框架，GEAR 为什么参考 Scikit-learn 设计思路？
回答 3：GEAR 打造 Scikit-learn 式模块化 RSI 框架，借鉴 Scikit-learn 是为了实现组件标准化、可插拔，研究者可以单独替换采样、筛选、评测模块，不用重写整套 RSI 实验代码，方便快速对比不同算法。
问题 4：GEAR 打造 Scikit-learn 式模块化 RSI 框架，GEAR 优化后的 Agent 在哪些任务做了验证？
回答 4：GEAR 打造 Scikit-learn 式模块化 RSI 框架，依托 GEPA 算法验证，优化后的 Agent 在营销任务、客服任务、代码任务等真实场景完成测试，任务通过率有明显提升。
【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
[2026-11-11]（GEAR 开源模块化 RSI 框架，支持 Agent 在真实任务持续进化）新浪财经
[2026-11-02]（GEAR 模块化 RSI 框架 npm 包发布，用于 Agent Harness 进化）npm
[2026-10-26]（GEAR: An Open General Evolutionary Architecture for Recursive Self-Improvement of LLM Agent Harness）arXiv 预印本论文
[2026-10-28]（RSIBench：模块化 RSI 研究基础设施）rsibench.co
【免责声明】
本文仅为 GEAR 模块化 RSI 开源框架的技术资讯科普，不构成项目开发、技术选型、商业落地的直接方案。GEAR 当前属于科研开源项目，实验效果基于论文特定测试环境；不同大模型、任务场景、样本质量会带来不一样的 Agent 进化效果，项目落地的工程难度、算力成本需要自行评估，框架最新功能与参数以项目 GitHub 仓库和论文原文为准。