开源项目Raven实现AI自我改进

最近大家一直在谈 RSI，说白了就是 AI 自己改进自己：以前这更多是论文和访谈里的概念，最近有个开源项目Raven把它做成了能跑的工程。

Raven 自己不干活，它是"包工头"：你给它一个任务，它负责拆解、派活、验收。手下有四个自带的 Agent，分别做调研、写代码、做设计、无人值守跑流程。它还能把 Claude Code、Codex、Kimi Code 等 13 家现成的 Agent 拉进来一起干，作者把它叫作 "harness of harnesses"，意思是管 Agent 的 Agent。

它改的是harness的做事方法"（怎么规划、调用什么工具、记住什么、动手前检查什么），流程分四步：先诊断失败原因，再提出改法，接着拿基准测试去验证，只有比原来好的改动才会被保留。

有个关键设计，评分标准它自己改不了（这点很重要），RSI 最大的坑是 AI "给自己打高分"，把考卷也改了，这个设计避免了踩这个坑。

呈现的结果如下： 1、Raven在 nanochat 预训练实验里，7 轮跑了 172 次训练，一次没崩，同样是单卡 20 分钟的预算，val_bpb 降了 5.8%，也就是 AI 自己把训 AI 的方法调得更好了 2、在溃坝流体仿真里，把误差压低了三个数量级 3、连续约 4 天、42 轮，独立做完一个 FPS 游戏，外加海报、PPT 和官网

对AI圈、技术圈、商业的影响如下：

一、对 AI 圈：提升能力的杠杆从模型转移到harness

过去提升能力主要靠训更大的模型，现在出现了第二条路：模型不变，让外面那层"做事方法"自己进化，这意味着 harness 工程会成为一门独立的手艺。

更深一层的变化是，评测会变成最核心的资产：AI 能自己改进以后，往哪个方向改，完全由评测决定，谁定义了评测，谁就掌握了进化方向。

二、对应用圈：护城河在验收标准

以前做 Agent 应用，壁垒是提示词和工作流，这些东西以后 AI 能自己调、自己优化，壁垒会变薄。

真正的壁垒会搬到三样东西上： .行业里的验收标准，也就是"什么叫做对了" .长期记忆 .真实场景里的数据反馈

开发者的工作也会从"写流程"变成"写验收标准",垂直行业的 know-how 反而更值钱了，因为只有懂行的人才定义得出"什么叫好"。

三、对商业：谁当包工头，谁拿分配权

当一个调度层能同时指挥 Claude Code、Codex、Kimi 干活的时候，底下的模型和 Agent 就变成了"分包商"，可以随时替换。价值会往两头集中：一头是入口和调度，另一头是对结果负责的交付。

收费模式也会跟着变：从按席位、按 token 收钱，走向按结果收钱，企业买的不再是一个工具，而是一个能交付、可审计、改动前经过验证的 AI 员工。

RSI 目前改的是 harness 而不是模型权重，离"AI 自己造出更强的 AI"还有距离，但方向已经很清楚，值得 AI 从业者认真看一眼。