一个常见的失败场景是:需求评审后业务规则变了,智能体正确更新了研发任务清单,却漏掉验收检查表里的对应改动;开发者重新解释一遍,下次遇到同类情况又错一遍。openJiuwen 把递归自我改进(RSI)放进了 WorkSwarm,让智能体从任务反馈里生成可审阅、可验证的改进候选,而不必重新训练模型。
关键在 Harness——提示词、工具、技能、上下文与执行约束这些模型之外的工作机制。模型负责理解与生成,Harness 规定怎么干、调用哪些工具、交付前检查什么。RSI 有两条路径:Harness 优化面向提示词与技能等工作配置,Artifacts 优化面向论文、程序这类具体交付产物。
实测选的是活动报名工具的需求交付,材料是三份文件——旧版需求、最新评审记录、分工安排,输出研发任务清单、验收检查表与待确认问题。环境为 WorkSwarm 0.2.7 接入 DeepSeek 官方模型服务、deepseek-flash、high 思考模式,12 组任务用于优化,另留 6 组观察。案例中报名规则从「提交即有效」改为「先申请后审核」,容量由 45 人降到 30 人,短信通知取消。先期 12 组里核对了 120 项业务要求,110 项通过。
生成的技能候选叫 time_boundary_consistency_check,把一次纠错抽象成可复用的检查流程:先确定每个时间节点的边界口径,再按时间点找出它在任务说明、状态表、验收条件里的所有出现位置逐一比对,材料未明确的事项保持待确认,同时限制改动范围,不许顺手改容量与权限。它在原生定点核对里出现了评分变化,但独立核对仍发现部分业务问题,后续验证还卡在技能激活轨迹识别与配置引用兼容上,因此没有形成可发布的改进版本;另 6 组的复测结果同样有波动。