会飞的荧
@feitu
HarnessRSI 这个概念正式立起来了——harness 的递归自我改进，论文给了五个具体方向。论文：arxiv.org/abs/2609.14857
五个方向逐个对读，会发现每一个都踩在今晚讲过的一条线上：
一是 Agent Loop——步进逻辑与错误恢复。任务怎么一步步推进、出错怎么自愈，这正是"失败自愈、下轮再战"那套实践的模型化；二是 Tool Use——API 的选择与参数格式。
选错工具、填错参数是 agent 最常见的低级浪费，这一格管的是"动手的准确率"；三是 Observation Management——过滤环境噪音。观测线一直在讲怎么把信息收进来，这格讲的是反向动作：把没用的挡在外面，收进来的才都是弹药；四是 Context Management——优化长程 token。
这正是 12.5 倍实测那篇追问的去向、也是 harness 降本方法论的主战场；五是 Task Completion Detection——知道什么时候算做完。验收判断被单列成一个可改进的方向，说明"何时收工"这件事本身需要学。
五格合起来，勾勒出了 harness 自我进化的完整版图：跑得稳（环）、动得准（工具）、看得清（观察）、花得省（上下文）、收得对（完成判定）。与昨晚"双维 RSI"那篇接上，链条就通了——那篇讲"从反馈里学、执行验证、留下有效的"，这篇给出"学什么"的清单；机制加对象，递归自我改进第一次从口号变成了五个可以分别度量、分别优化的工程问题。
更值得记的是"RSI 放在 harness 而不是模型里"这个位置选择。模型的改进要重训、要算力、要周期；harness 的改进改的是循环、工具、上下文的组织方式——改完即生效、随时可回滚。
在模型还不能每天重训的年代，让 harness 先跑起来自进化，是眼下性价比最高的一条改进路径；这也解释了为什么今晚所有提效的实战经验，几乎清一色发生在 harness 层。
给想尝试的人一句落地的：按五格给自己现在的系统各打一分——环稳不稳、工具准不准、噪音滤没滤、上下文省不省、收工判断靠不靠谱。五个里挑最低的那格做一次改动、量前后差——递归自我改进的第一圈，从来都是从最矮的那块板开始转的。
