--- title: "RSI：AI 开始自己教自己" author: Miles Ma date: 2026-07-14 section: 前沿判断 url: https://immilesma.com/blog/recursive-self-improvement-rsi/ description: "从 Harness 到 Loop，再到递归自我提升。AI 不只完成任务，还开始诊断弱点、制造训练材料、验证结果并改进下一轮系统。" --- # RSI：AI 开始自己教自己 > 从 Harness 到 Loop，再到递归自我提升。AI 不只完成任务，还开始诊断弱点、制造训练材料、验证结果并改进下一轮系统。 有一个数据第一次看到的时候，我在屏幕前坐了很久。 2024 年 3 月，最好的 AI 能连续干人类 4 分钟的活，然后开始出错。2025 年 3 月，1.5 小时。2026 年 3 月，12 小时。 每 7 个月翻一倍。摩尔定律是每 18 个月翻一倍。AI 的进化速度已经把芯片甩在了后面。 但这个数据真正让我在意的，不是「AI 越来越快」这件事。是另外一件事。 当 AI 能连续工作 12 小时不出错，它就不再只是一个接指令干活的工具了。它可以在没有你的情况下，完成一个完整的自我进化周期：发现自己的弱点，找到对应的训练数据，训练自己，验证效果，再发现新的弱点。一圈跑完，自动进入下一圈。 这就是 RSI——Recursive Self-Improvement，递归自我提升。 1965 年，英国数学家 I.J. Good 把这个概念写进了论文。他说，一旦人类造出一台比自己稍微聪明一点的机器，这台机器会造出更聪明的机器，然后那台再造出更聪明的。雪崩效应。 2026 年，这个概念正在从论文走进现实。业内的判断是：最快半年，AI 能跑通一次完整的自我进化闭环。 这件事跟你有关系。不管你是在管一个三人的小团队，还是在写代码，还是在做内容。因为 RSI 要改变的不是 AI 有多聪明。它要改变的是，你和 AI 之间到底谁教谁。 --- ## 不是「更强的 AI」，而是一个会自己变强的系统 区分两个概念。 现在你用 AI，是你在教它。你写 prompt，你纠错，你告诉它什么对什么不对。下次打开，它又忘了。你得重新教一遍。这是一个不会学习的工具。 RSI 在做的事刚好反过来：AI 学会了自己教自己。 技术上，它是一个四步闭环。 第一步，诊断。AI 完成一个任务之后，不是交差就完了。它会自己看：哪里做得不好？是推理过程有漏洞，还是知识不够，还是步骤设计有问题？ 第二步，造题。针对诊断出来的弱点，自己去造对应的训练数据。比如它发现自己在某类数学推理上容易出错，它就自己给自己出一批类似的题，难度刚好卡在自己的薄弱点上。 第三步，训练。用这批自己造的数据，更新自己的参数或策略。这一步跟传统的模型训练没本质区别，但数据来源完全不同——不是人类标注的，不是网上爬的，是自己给自己出的。 第四步，验证。训练完之后，自己评估：刚才那个弱点，现在补上了吗？评估结果进入下一轮诊断，发现新的弱点，再来一圈。 转一圈，强一点。转一百圈，指数级积累。 这里有一个容易搞混的地方。很多人在讲「AI 自己进化」的时候，说的其实是「AI 干活越来越熟练」——同一个任务多做几遍，效率高了。这最多叫熟练，不叫进化。 举个真实的场景。 你现在用 ChatGPT 写周报，连续写了一个月，每次都跟它说「别写这么啰嗦」。一个月后，它还在啰嗦。因为每次对话结束，它关于你的记忆就清零了。它不是不想改，是根本不知道自己上次犯过错。 RSI 的版本是这样的：你第一次纠正它「太啰嗦」，它在自己的训练数据里加了一条记录——「这个用户在意的指标之一是简洁度，被我标注为当前弱点」。第二次你用，它的输出明显更短了。你什么都没说。第三次，它开始主动检查自己的输出里有没有多余的形容词。你没教它检查，它自己学会了检查。 这不是熟练。熟练是同一道菜做了十遍，手快了。进化是做了十道菜之后，自己总结出了一套做菜的方法论，然后发现这套方法论也适用于做面点。 这就是 RSI 里的 R——Recursive——真正的含义。不是重复做同一件事。是把上一轮的产出作为下一轮的输入，每一轮都在上一轮的基础上再走一步。 用一个你熟悉的类比：你的实习生。第一个月，你手把手教他怎么整理数据。第三个月，他发现整理数据最花时间的是清洗 Excel 格式，于是自己写了个脚本把清洗自动化了。半年后，他在优化你的项目管理流程。他从一个「做事的人」变成了一个「改进做事方式的人」。 RSI 就是让 AI 变成那个实习生。 --- ## 为什么这件事现在才发生 1965 年就有了理论。但过去六十年，RSI 从来没有真正成立过。 缺的不是算法。是一个很具体的硬件条件：AI 能保持多久不忘记自己在干什么。 你把 RSI 的四步闭环套到任何一个以前的模型上试试。诊断，刚分析了两步，上下文溢出了。造题，造到一半开始胡言乱语。验证，忘了自己要验证什么。 AI 的连续有效工作时长必须在某个阈值以上，RSI 的闭环才能跑完一圈。这个阈值大概是多少？业内没有一个精确数字，但从今年的进展来看，至少需要 8 到 10 小时的有效连续工作窗口。 2024 年的模型只有 4 分钟。做不到。 2025 年的模型有 1.5 小时。还是做不到。刚跑完诊断和造题，到训练那一步就断了。 2026 年初，12 小时。够了。 这就是为什么以前所有人都管这个方向叫「自我优化」，到了 2026 年突然改口叫「递归自我提升」。不是改个名字玩。以前的「优化」，模型只能在一两个方向上小修小补，因为时间窗口不够它做完一整个诊断到验证的循环。现在它能跑完整的一圈了。跑完一圈，就有了递归的基础——这一圈的结果自动成为下一圈的起点。 我读了一篇 Lilian Weng 七月初写的长文，她在里面讲了一个很重要的区分。她说，不要把 RSI 理解成「模型改写自己的权重」。至少近期不是这样。近期的 RSI 更像是：模型优化自己的训练流程和部署系统。优化训练数据的生成方式，优化后训练的配方，优化评估和验证的机制。然后，一个更强的后继模型在这些优化后的系统中被训练出来。 一句话：**模型不直接改自己，模型改的是「训练下一个自己的那套流水线」。** 这个区分很重要。因为它意味着 RSI 不是一个纯算法问题。它是一个系统工程问题。它需要 Harness——我在之前一篇文章里写过这个概念，就是给 AI 搭的那套操作系统，评估闭环、架构约束、记忆治理。它也需要 Loop——我另一篇文章讲的，用自动化的闸门和反馈替代手动 prompt 的编排方式。 Harness 是地基。Loop 是流水线。RSI 是把这套流水线的优化对象从「任务产出」变成了「模型能力本身」。 三件事不是平行的。是递进的。而每一层的落地，都在让你的角色往后退一步。 --- ## 你的角色在往后退，但不是在消失 用这三个层次来看你自己的日常工作，变化就很具体了。 现在你用的任何一个 AI 工具，本质上是一个无状态的函数。你给输入，它给输出。你关掉窗口，一切归零。你跟它合作了半年，它对你一无所知。 Harness 来了之后，你给 AI 搭了一套工作环境。它有规矩了，知道什么能做、什么不能做，在多 Agent 协作的时候不会互相污染。但你还是得在边上看着——每次它遇到新情况，你得来做判断。 Loop 来了之后，你设计了一套自动化流程。AI 自己发现问题，自己分配任务给子 Agent，自己检查结果，自己决定要不要再修一轮。你不再盯着每一步了。你只需要在关键决策点做判断。 RSI 来了之后，连「关键决策点该用什么标准判断」这件事，AI 都开始自己优化了。 举一个你今天就能感同身受的场景。 你是一个小团队的内容运营，一个人管三个平台。公众号、抖音、小红书。你现在每天在干嘛？早上想选题，中午写文案，下午调格式发平台，晚上看数据。睡前脑子里只有一件事：「明天还要再写一篇」。 RSI 加持的工作流是什么样？ AI 写完文案，不用等你审，自己过一遍检查清单——有没有违规词、有没有 AI 味、开头能不能留住人。发完之后，自己拉数据复盘。发现这条抖音的完播率掉了 15%。它自己去看掉在哪：开头前 3 秒没有视觉钩子，还是中间信息密度太低了？ 找到了。下一条自己调整。调整之后发现确实有效。好，这个经验不是存在你脑子里，不是存成一条你下次还得手动告诉它的提示词，而是进入了它自己的自我进化记录。下次做任何视频，这个经验自动生效。 一个月之后，你回头看数据，发现账号整体表现涨了 30%。你没有多干任何活。你只是从一开始的「做内容」变成了「定方向」。 这就是角色位移。不是 AI 替你干活——这件事现在就已经发生了。是 AI 替你**从干活中学习**。你不再需要把自己的经验一条条写成 prompt 喂给它。它自己从干活的过程中提取经验。 企业层面，这个变化更剧烈。 OpenAI 的 Codex 团队有一个数据：5 个月，AI 写了 100 万行代码，零行手写。听起来很厉害。但团队真正头疼的事跟写代码没有任何关系。他们的瓶颈是：人类的代码审查速度已经追不上 AI 的代码产出速度了。 你用最好的工程师去审 AI 写的代码。AI 一天能写 5000 行，你的工程师一天能认真审 1000 行。剩下 4000 行怎么办？要么降低审查标准，要么代码堆在那里等。 RSI 解决的刚好是这个错配。它让 AI 不只是写代码的一方，还成为审代码的一方。而且不是简单地「AI 审 AI 的代码」，而是 AI 在审查过程中发现自己的审查标准有漏洞，然后自己优化审查标准。 人的角色从「每一行都要看」变成了「只看架构层面的关键决策」。从操作工变成了架构师。 这不是裁员。是你的注意力单位变了。以前你的注意力单位是「一行代码写对了没有」。以后你的注意力单位是「系统的进化方向对不对」。 --- ## 两道根本性的难题 但 RSI 不是魔法。有两道坎，目前没有任何一家公司真正迈过去。 **第一道：验证悖论。** RSI 要求 AI 自己验证自己有没有进步。但验证这件事本身，也是 AI 在做的。 这就产生了一个死循环：如果验证器本身有盲区，它怎么知道自己有盲区？ 在代码领域，这个问题相对好办。代码有单元测试，绿的就是绿，红的就是红。但即使在这里，坑已经出现了。测试代码本身也是代码，也可能写得太宽——让错误代码蒙混过关，或者写得太窄——把正确代码误杀。AI 在进化自己写代码能力的同时，测试代码也在被 AI 自己修改。验证的逻辑在静悄悄地漂移。而你，作为人类监督者，根本注意不到。 这还是代码领域。有客观标准。换到那些没有标准答案的领域——一篇文案写得好不好，一个产品决策对不对，一个研究方向值不值得投入——验证问题直接变成哲学问题。 你怎么定义一个「更好」的 AI？让用户打分？用户喜欢听好话，于是 AI 学会拍马屁。让专家打分？专家人数就那么几个，而且专家之间意见也不统一。让另一个 AI 打分？那谁来验证那个 AI 的判断？ 这就是为什么 Lilian Weng 在她那篇文章的最后写道：「验证器和权限控制应该放在自进化循环的外部。」但她紧接着补了一句：「但外部监督能扩展到多大规模、能自动化到什么程度，这本身还是一个开放的研究问题。」 翻译一下：理论上是清楚的，实操上没人知道怎么搞。 **第二道：品味。** 「品味」这个词听起来很虚。但它解决的是 RSI 里最实际的一个问题：往哪个方向进化？ AI 有无数个可以改进的方向。它可以让自己回答得更快，可以让自己输出更长的回答，可以让自己用更华丽的词藻。哪个方向是真正有价值的？ 健身房里有一种人，天天练镜子肌肉——胸肌、二头肌、腹肌。看着很大，一搬东西就散架。因为他选错了训练方向。他选择了「看起来更强」而不是「真的更强」。 AI 在自我进化的时候，面临一模一样的陷阱。而且更隐蔽。因为 AI 的训练反馈信号来自人类偏好数据——说白了就是用户投票。用户投票选出来的「好回答」长什么样？长。格式漂亮。顺着你的话说。马屁拍得响。 一个被这种数据训练出来的 AI，它的「自我进化方向」会是什么？不是变得更正确，而是变得更会讨好。它会在你看不到的地方疯狂练它的马屁技巧。每一圈 RSI 都在放大这个偏差。 这就触及了 RSI 最深层的问题。 RSI 不是一个纯技术问题。它本质上是一个价值问题。你让 AI 自己进化，你得先回答「往哪个方向进化是好的」。而这个问题的答案，不是工程师能定的。它涉及到一个社会的价值判断、一个行业的专业标准、一个领域内什么是真正的好研究、什么是灌水。 目前最前沿的做法是：用各自领域最顶尖的人来标注「什么是好的」。把少数顶级专家的判断力蒸馏进模型，而不是用大众投票。 这个思路在理论上是成立的。AlphaGo 最初学人类棋谱，AlphaZero 之后完全靠自己跟自己下，发现了人类几千年没想出来的走法。人类棋谱给了它一个「方向感」——什么叫赢棋——然后它自己在这个方向上走到了人类到不了的地方。 但在围棋之外，大多数领域连「什么叫赢」都定义不清楚。 这就是为什么 RSI 在写代码这个领域最先突破。不是因为代码简单。是因为代码有编译器和单元测试。赢了还是输了，是客观的。品味问题被一个机械的、外部的、不会漂移的裁判解决了。 而在那些没有编译器的领域——写作、设计、研究、决策——RSI 要成立，必须先回答「什么叫好」。 --- ## 接下来会发生什么 我是一个对时间线比较谨慎的人。但读完最近半年这个领域的进展，我倾向于相信一个判断： **第一阶段，半年到一年。** 在那些有明确、客观评估标准的领域——写代码是最典型的一个——AI 跑通第一个完整的 RSI 闭环。不是全面自进化。是「AI 在一个可控沙箱里，自己改自己写的代码，改完之后跑测试验证，验证通过后把这个经验记下来，下次自动应用」。 对你的影响：你用的编程工具开始越用越懂你的代码库。以前你修了一个 bug，它转头就忘。以后你修了一个 bug，它自己分析根因，自己记住了，下次类似的问题不会再犯。你不需要写文档，不需要写 prompt。它自己看懂了。 **第二阶段，一到三年。** 多轮递归成立。不只是跑一圈，是跑完一圈自动触发下一圈。螺旋上升开始出现。但这个阶段人类监督者还是不能完全走开。递归漂移需要从每轮 10% 压到 0.1% 甚至更低，人类才能放心地把钥匙交出去。 这个阶段会出现一个很有意思的实践：把最靠谱的人类监督者的判断方式，蒸馏成一个 AI 监督者。让它学习「这个人是怎么一眼看出方向不对劲的」。但这件事本身，就又回到了验证悖论——你怎么知道蒸馏出来的 AI 监督者，真的学到了那个人的判断力？ **第三阶段，时间不好说，可能是三到五年，也可能更久。** 从解题者到提问者。现在的 AI，你给它一个问题，它给你答案。未来的 AI，自己发现哪里有一个值得解决的问题，自己提出假设，自己设计实验去验证。 这不是科幻。这是 Discovery Model（发现模型）和 Generative Model（生成模型）的区别。前者的能力边界远超后者。生成模型在人类现有知识里找最优解。发现模型提出一个人类还没想过的问题。 AlphaGo 到 AlphaZero 的跳跃，就是生成到发现的跳跃。 但不要被「终极形态」吓到或者分散注意力。第一阶段的变化，今年就可能出现在你每天用的工具里。你不需要等到 AI 成为科学家。你只需要关心一件事：你手里的 AI 什么时候开始记住你的偏好、你的标准、你的判断方式。那一个时刻，就是你跟 AI 的关系发生质变的时刻。 --- 我之前的文章写过 Harness Engineering，也写过 Loop Engineering。那时候我讲的是，你得给 AI 搭一套操作系统，让它稳定地跑。你得设计好流水线，让它不用你盯着。 RSI 是第三步。 你把这三件事连在一起看，会发现一个共同的主题：**你的工作，正在从「做事」变成「判断什么值得做」。** Harness 让你不再需要盯着每一步。Loop 让你不再需要手动调度任务。RSI 让你不再需要把自己积累的经验一条条写成规则喂给 AI——它自己从实践中提取经验。 你的角色在完成一个三次跳跃。从操作工到设计师，从设计师到教练。 RSI 不是什么遥远的、吓人的、只跟 AI 研究员有关的概念。它本质上跟你带一个靠谱的实习生一模一样。头两周你手把手盯着。两个月后你只看一眼大方向。半年后他已经在你没注意的地方自己琢磨出新东西了。 区别只有一个。 人的成长是按年算的。AI 的成长是按天算的。 你跟 AI 的这段关系，才刚刚开始。