Рекурсивный контур самообучения: запускает задачи агента с оценкой результатов, сохраняет полезные выводы и оставляет для следующих запусков трассировки и плейбуки.
simple-agent-lab/RSIHub
Python-фреймворк для самоулучшения агентов на основе оценивания с фиксацией происхождения каждого поколения кандидатов.
- Звёзды
- 341
- Форки
- 19
- Открытые issues
- 7
- Последний коммит
- 11 дней назад
Что это?
RSIHub запускает кандидатов в AI-агенты с фиксированным оценщиком, записывает, что и почему изменилось в каждом поколении, и переносит проверенные улучшения дальше, не меняя оценщик. Каждая стратегия эволюции оформлена как рецепт: он выбирает родительских агентов, анализирует трассировки выполнения, предлагает правки в пределах объявленной изменяемой области и определяет, какие кандидаты будут допущены.
Каждое испытание выполняется на Harbor, который обеспечивает запуск в контейнерах, сбор траекторий и проверку результатов по каждой задаче. Кандидатов оценивают по чистым снимкам, а результаты пересчитывают на основе записей архива с метками времени и Git-тегов поколений. Изменяемая область может включать промпты, навыки, harness и код целевого агента; в комплект входят такие рецепты, как hill_climb, aevolve, ahe, gepa и hyperagents.
В проект также входит средство просмотра экспериментов `evolve view`, которое в режиме только для чтения анализирует созданные рабочие пространства и показывает ход поколений, изменения, оценки и результаты испытаний. Это активно развиваемый исследовательский прототип.
Ключевые возможности
- 01Оценщик остаётся неизменным, поэтому агенты-кандидаты не могут менять правила оценивания.
- 02В каждом рецепте объявлены пути к целевым файлам и операторам, которые разрешено изменять.
- 03Кандидатов оценивают по чистым снимкам кода агента.
- 04Происхождение фиксируется в записях stamped archive.jsonl и Git-тегах поколений.
- 05Испытания выполняются на Harbor с запуском в контейнерах и сбором траекторий.
- 06Средство просмотра экспериментов работает в режиме только для чтения и позволяет изучать поколения и результаты испытаний.
Сценарии использования
- Улучшение промптов, навыков или кода harness агента при фиксированном наборе тестов для оценки.
- Сравнение стратегий эволюции агентов при одинаковых условиях оценки и границах допустимых изменений.
- Ведение воспроизводимой и проверяемой истории создания версий агента.
Быстрый старт
- 1
Настройте общий поднабор Terminal-Bench 2.0
./scripts/setup_terminal_bench.sh - 2
Запустите демонстрацию поддерживаемого рецепта
./scripts/run_recipe_demo.sh - 3
Ознакомьтесь с предварительными требованиями и настройкой учетных данных в кратком руководстве
- 4
Просмотрите созданную рабочую область эксперимента в средстве просмотра с доступом только для чтения
evolve view /path/to/experiment
Что важно знать
- Требуется Python версии 3.12 или выше.
- Для запуска бенчмарка используются GPT-5.4 и оператор Codex mutate, поэтому вам потребуется доступ к платным API этих моделей.
В подборках
Темы
Частые вопросы
- Что такое RSIHub?
- Python-фреймворк для самоулучшения агентов на основе оценивания с фиксацией происхождения каждого поколения кандидатов. RSIHub запускает кандидатов в AI-агенты с фиксированным оценщиком, записывает, что и почему изменилось в каждом поколении, и переносит проверенные улучшения дальше, не меняя оценщик. Каждая стратегия эволюции оформлена как рецепт: он выбирает родительских агентов, анализирует трассировки выполнения, предлагает правки в пределах объявленной изменяемой области и определяет, какие кандидаты будут допущены.
- RSIHub можно использовать бесплатно? Какая у него лицензия?
- RSIHub распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- RSIHub всё ещё поддерживается?
- Активно поддерживается. Последний коммит в RSIHub — 27 окт. 2026 г..
- Для чего можно использовать RSIHub?
- Улучшение промптов, навыков или кода harness агента при фиксированном наборе тестов для оценки. Сравнение стратегий эволюции агентов при одинаковых условиях оценки и границах допустимых изменений. Ведение воспроизводимой и проверяемой истории создания версий агента.
- Как установить RSIHub?
- Настройте общий поднабор Terminal-Bench 2.0: ./scripts/setup_terminal_bench.sh Запустите демонстрацию поддерживаемого рецепта: ./scripts/run_recipe_demo.sh Ознакомьтесь с предварительными требованиями и настройкой учетных данных в кратком руководстве Просмотрите созданную рабочую область эксперимента в средстве просмотра с доступом только для чтения: evolve view /path/to/experiment
- Где скачать RSIHub?
- Исходный код и инструкции по установке — на GitHub: https://github.com/simple-agent-lab/RSIHub
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Python-фреймворк от Google для создания, оценки и развертывания AI-агентов с упором на Gemini и поддержкой разных моделей.
Симуляционный бенчмарк для оценки AI-агентов поддержки, которые используют инструменты и общаются с симулированными пользователями текстом и голосом.
Open-source-фреймворк, который автоматически создает и улучшает переиспользуемые навыки и промпты для coding-агентов, обучаясь на неудачных попытках.
Мост между R и Python, который подключает активную сессию RStudio или Positron к Claude Code, Codex и другим LLM-агентам на базе MCP.
Набор навыков для Claude Code, которые рецензируют научные статьи, планы предварительного анализа, грантовые заявки и код анализа, а также превращают статьи в краткие обзоры и презентации.