simple-agent-lab/RSIHub

解决的问题

AI 代理通常需要自我改进，但盲目进行可能存在风险。RSIHub 为代理提供了一种受控的进化方式，通过将候选变体与固定评估器进行对比测试。它记录每次更改的完整历史（更改了什么以及为什么），并且只接受经过验证的改进，从而确保过程可复现且安全。

工作原理

RSIHub 运行一个循环：从存档中选择一个父候选，在训练任务上运行以收集证据，分析证据以决定修改内容，在尊重声明限制的前提下修改特定部分（如提示、技能或代理代码），防止更改超出允许范围，使用冻结的评估器评估修改后的候选，如果分数提高，则将其吸收为新的父候选。每一步都记录在类似仓库的血统中，所有执行都通过 Harbor 进行，提供容器隔离、轨迹捕获和逐任务验证。

适用对象

希望以系统化和可重用方式改进提示、技能或代理代码的代理构建者，以及需要在固定评估和突变边界下比较不同进化策略的研究人员。

亮点

• 框架控制的评估：评估器永远不会被突变，因此比较保持公正。
• 可组合的配方：爬山法、AHE、GEPA、Hyperagents 和 A-Evolve 等策略可以无需编写代码即可插入。
• 完整来源：每一代都与分数、工件、存档记录和 Git 提交相关联。
• 基于 Harbor 进行容器执行和逐任务验证，并提供可选的查看器来检查运行。