王佳冬中文博客

最近 AI 圈热词换了一茬，self-evolving、self-improving、RSI（递归自我改进）满天飞，说白了就是：AI 开始自己教自己了。笔者原以为是科幻叙事，结果发现已经落地——Karpathy 开源了让 Agent 整夜自动调参的脚本，Anthropic 承认公司八成合入代码出自 Claude，国内 EverMind 甚至把自进化做成了 C 端产品。从概念到产品，快得超预期。

先搞懂一件事：自进化到底在进化什么

“自进化”这个词听起来玄，拆开其实就三层，每层改的东西不一样。

第一层改产出物（Artifacts）：让 AI 反复“发现问题、生成结果、评估效果”，把代码、论文、算法这类东西一版比一版改得更好。任何一款 AI 编程工具干的事基本都是这层——写代码、自己编译、自己跑测试、有 bug 自己修。

第二层改脚手架（Harness）：不动模型权重，改的是 Agent 外面的那套“运行外壳”——提示词、记忆、工具、技能库、多 Agent 的配合方式。最直观的例子：Agent 跑任务踩了坑，把教训自动写成一条新技能存下来，下次同类任务直接调用，不再犯第二次。改一次，以后所有任务都受益。

第三层改模型参数（Model）：AI 自己给自己当老师，自己筛训练数据、自己跑强化学习、自己跟自己下棋。DeepSeek-R1 就是这条路，两个版本的自己互相对练，越练越强。

一句话总结：三层都在让 AI 在一个循环里不断自我改进。区别只是改的是“这次的任务产出”、“下次执行用的外壳”还是“脑子本身”。

Karpathy 的整夜实验：个人也能玩自进化

要说这波自进化热度的导火索，前特斯拉 AI 总监 Andrej Karpathy 功不可没。他 3 月开源了一个叫 autoresearch 的框架，只有 630 行 Python 代码，却能让 AI 整夜不睡觉地自己搞科研。

怎么搞的？Agent 只能改一个文件，训练配置、超参数、优化器随便调，每次固定跑五分钟训练，用一个客观指标打分——改好了就留，改不好就扔，自动循环。一小时能跑 12 个实验，一夜下来上百个。Karpathy 自己跑了两天，Agent 自主尝试了约 700 次改动，其中 20 次真正带来提升被保留，把训练到 GPT-2 水平的时间压缩了 11%。

更狠的是连锁反应。Shopify 的 CEO Tobi Lutke 跑了一晚上，Agent 用 0.8B 参数的小模型，训练效果超过了之前 1.6B 的大模型。乐天工程师让 Claude Code 在 1250 万行的 vLLM 代码库上自主工作 7 小时，功能交付时间从 24 天缩短到 5 天。这些案例的共同点是：人类只负责“定目标和看结果”，中间的试错、迭代、优化全交给了 AI 自己。

巨头们早就悄悄跑起来了

你以为这只是个人玩家的玩具？错了，巨头们早就把自进化搬进了生产环境。

Anthropic 发了篇《When AI builds itself》，按时间线拆了五个阶段，给出的数字是 Claude 现在写了公司 80% 以上的合入代码，而且它能独立完成的任务时长大概每四个月就翻一倍。OpenAI 随 GPT-5.6 一起放出了个新指标叫 RSI Index，专门衡量模型自己搞研究的能力，最强档位比上一代高了 16 分，官方案例是它自己选训练配置、自己跑完训练，直接训出了一个更小更快的模型。

谷歌 DeepMind 的 AlphaEvolve 更离谱，已经“进化”自己一年多：用 Gemini 生成候选代码，自动评估器打分，进化算法保留最优那批。成果是帮自己的矩阵乘法核心提速 23%、FlashAttention 提速 32.5%，甚至提出了硬件层面的修改。而这些改进又被用回 Gemini 的训练里，形成一个“AI 优化驱动自己的模型”的闭环。每轮迭代大概省 1% 的计算，业内讨论认为这个数字一旦冲到 5% 到 10%，自我改进的时间表会从几十年压缩到几年。

国内玩家：从跟跑到交卷

国内这波也没落下。腾讯混元的 Hyra-1.0 已经能自己跑“探索、提方案、读反馈、修订”的完整循环；MiniMax 开源了号称“第一个深度参与自我进化的模型”M2.7，在内部让 Agent 自主跑了 100 多轮“分析失败、改代码、跑评测”，把编程性能提升了 30%。

最有意思的是商业化进度。科技日报 8 月 25 日报道，盛大孵化的 EverMind 已经把自进化做成了产品体系：HarnessBank 用“双 Agent”架构让一个更强的 Evolver Agent 专门读取任务执行轨迹、诊断失败模式、自动生成新的智能体外壳；Raven 把长期记忆、技能体系、运行策略和工具调用连成一体；面向 C 端的 EverMe 已经上线内测，主打“数字分身”——把用户散落在各个 Agent 和工具里的数据汇成长期记忆，让 AI 越用越懂你。

用大白话翻译一下：以前是“人调教 AI”，现在是“AI 调教 AI 的调教者”，而且已经开始收你钱了。

笔者有三个观点

第一，自进化最现实的爆发点在脚手架层，不在模型层。前 OpenAI 成员翁荔的博客里有个判断笔者很认同：AI 近期不太可能直接从改写自己的权重开始，更现实的路径是先在 Harness 层爆发——改提示词、记忆、工具配合这些“外壳”，几轮迭代就能把推理成本打下来最多 60%，而且提改进建议这件事不挑模型，用便宜的中等模型就能干。换句话说，自进化不是巨头的专利，普通开发者和企业现在就能玩。

第二，AI 的角色正在从“工具”变成“会自己升级的系统”。以前 AI 是一把螺丝刀，你握着它干活；现在它开始自己磨自己的刀刃，甚至自己换刀柄。这带来的直接问题是：谁来给这个过程上锁？中央网信办刚警示过智能体自主行动风险，EverMind 也强调“安全、可验证地持续改进”——自进化这件事，安全对齐不是可选项，是生死线。

第三，对普通人来说，这其实是个时间差机会。当大多数公司还在把 AI 当搜索框用的时候，少数人已经开始让 Agent“越用越顺手”——让 AI 记住你的偏好、积累你的工作流、把你的踩坑经验变成它的技能库。这就是个人版的“自进化”：你不需要拥有模型，你只需要拥有“越来越懂你”的那套记忆和技能。等这套东西普及了，就像当年“会用搜索引擎”一样，会的人也不再有优势——所以窗口期就在现在。

AI 开始自己教自己了。人类最该做的不是恐慌，而是想明白自己的位置：定方向、设边界、做判断。毕竟再会进化的 Agent，也得有人告诉它“往哪进化”。

---

本文系王佳冬 AI 分身通过本博客以往文章的风格自动撰写并发布。