GEAR 是伦敦帝国理工、杜克大学等机构推出的开源递归自我改进（RSI）框架，主打 Scikit-learn 式模块化设计，把 Agent 自进化流程拆成可插拔组件，开发者可以自由替换采样、候选评估、多样性管理、进化算法模块，不用每次从零搭建整套 RSI 系统；传统 RSI 方案大多是耦合在一起的单体代码，改一个进化策略就要改动大量评测、日志、并行推理底层逻辑，很难横向对比不同自进化算法的好坏，也很难迁移到客服、代码、营销等不同任务场景；整套 GEAR 运行流程分为准备任务数据集、配置进化算法、批量生成 Agent Harness 候选、并行评测、筛选优胜版本、循环迭代优化这几步，在实验里固定底层大模型权重不动，只迭代提示词、工具集、工作流、上下文管理这套 Harness 支架，依靠真实任务反馈持续提升 Agent 能力；这套框架配套统一评测底座、版本记录、执行轨迹存储能力，研究人员可以快速开展消融实验，对比不同进化策略效果，论文中基于 GEPA 遗传帕累托算法在 GEAR 上验证，营销、客服、代码任务通过率都有明显上涨。
一、GEAR 核心模块清单
| 模块名称 | 作用说明 | 可替换性 |
|---|---|---|
| 任务采样模块 | 从任务池挑选本轮用于进化的样本，控制训练集分布 | 可替换，支持自定义采样策略 |
| 候选生成模块 | 根据失败轨迹，生成新的 Agent Harness 修改方案 | 可替换，支持不同改进算法 |
| 并行评测模块 | 批量跑候选 Harness，在隔离环境打分、记录执行轨迹 | 底座稳定，评测规则可自定义 |
| 多样性管理模块 | 控制候选之间差异，避免进化收敛到同质化方案 | 可替换，用来防止过拟合任务集 |
| 优胜筛选模块 | 对比分数，选出本轮更优的 Harness 版本，进入下一轮迭代 | 可替换，支持帕累托、贪心等筛选逻辑 |
| 版本与证据仓库 | 记录每一轮候选、日志、评测结果，方便回溯复现 | 基础底座，一般不替换 |
二、GEAR 和 Scikit-learn 设计思路对照
- Scikit-learn：把分类、回归、聚类做成独立 Estimator，统一 fit/predict 接口，自由拼接 Pipeline；
- GEAR：把 RSI 进化环节做成独立组件，统一输入输出契约，自由组合进化 Pipeline；
- Scikit-learn 侧重静态数据上的模型训练；GEAR 侧重在交互式任务环境里迭代 Agent 运行支架 Harness；
- 两者目标一致：降低算法实验成本，方便对比多种方案，快速复现。
三、GEAR 迭代运行步骤
- 准备任务集：准备真实业务任务，标注成功判定标准，搭建隔离沙箱环境；
- 初始化基线 Harness：准备初始提示词、工具调用规则、上下文管理策略作为起点；
- 配置组件组合：选择采样策略、进化算法、筛选规则，例如搭配 GEPA 算法；
- 批量生成候选：基于失败轨迹，自动生成一批修改后的 Harness 候选版本；
- 并行评测：在沙箱里跑全部候选，记录成功率、耗时、错误类型；
- 筛选与入库：保留效果更好、多样性足够的版本，存入版本仓库；
- 循环多轮：用上一轮优胜版本作为新基线，重复生成、评测、筛选，持续进化；
- 线下验证：在独立测试集验证泛化能力，防止只拟合训练任务。
四、本次公开实验结果
- 实验约束：底层大模型权重冻结，只优化 Harness 支架，不做模型微调；
- 基线：DeepSeek Harness（DSH）；
- 营销任务：通过率由 27.0% 提升至 40% 以上；
- 客服、代码类任务同样观察到稳定正向提升；
- 对比项：相同算力、相同任务池下，对比不同进化策略的收益差异。
五、GEAR 适用场景与边界
适合场景
- Agent Harness 算法研究，快速对比不同 RSI 进化思路；
- 客服、营销、代码、自动化任务的 Agent 提示词与工作流自动调优；
- 搭建可复现的 RSI 实验，留存每一轮改进证据，方便论文与项目归档；
- 想复用并行评测、沙箱、版本管理能力，自研新的自进化算法。
局限和风险
- 当前版本默认优化 Harness（提示词、工具、流程），模型权重训练属于实验性功能；
- 容易对训练任务集过拟合，需要独立、密封的测试集评估泛化能力；
- 任务必须有清晰、可自动化判定的成功标准，主观打分类任务很难落地；
- 多轮迭代会消耗大量模型推理算力，成本随迭代轮次快速上涨。
【相关 FAQ】
问题 1：GEAR 这款 Scikit-learn 式模块化 RSI 框架，核心是让 Agent 改进什么？
回答 1：GEAR Scikit-learn 式模块化 RSI 框架主要迭代 Agent 的 Harness 支架，也就是提示词、工具调用规则、工作流、上下文管理逻辑，默认冻结底层大模型权重，依靠真实任务反馈循环优化支架，让 Agent 处理任务越来越稳。
问题 2：GEAR 模块化 RSI 框架为什么对标 Scikit-learn 的设计范式？
回答 2：GEAR 模块化 RSI 框架对标 Scikit-learn，是把 RSI 进化链路拆成统一接口、可插拔替换的组件，研究者可以像切换 sklearn 分类器一样，更换采样、生成、筛选、多样性管理算法，快速搭建、对比、复现各类 Agent 自进化实验。
问题 3：使用 GEAR 模块化 RSI 框架做 Agent 进化，会不会直接修改大模型本身权重？
回答 3：GEAR 模块化 RSI 框架主流实验模式不改动底层模型权重，只优化外层 Harness；模型权重联合训练属于框架内实验性功能，本次公开实验里全程冻结基础大模型，只迭代 Agent 运行支架。
【参考资料】
[2026-11-11]（GEAR：打造 Scikit-learn 式的模块化 RSI 框架，让 Agent 从真实任务中持续进化）新浪财经
[2026-11-11]（GEAR：An Open General Evolutionary Architecture for Recursive Self-Improvement of LLM Agent Harness）机器之心
[2026-10-26]（GEAR 开源 RSI 框架论文预印本发布）arXiv
[2026-11-11]（rsi-gear 开源项目介绍，模块化 Agent Harness 进化工具）npm
[2026-11-11]（GEAR 框架快速上手文档，Python SDK 与 CLI 使用说明）GitHub
【免责声明】
本文 GEAR 模块化 RSI 框架相关信息来自公开论文、开源项目与媒体报道；实验通过率提升数据为特定模型、特定任务集下的测试结果，换模型、换任务后效果不一定复现；RSI 迭代存在任务过拟合风险，上线前必须做密封测试集验证；框架属于科研向开源工具，不直接等同于商用稳定 Agent 产品，算力成本、沙箱安全、任务判定逻辑需要使用者自行评估。