企业官网建设流程全解析

• 人工智能
• 基础模型
• AI Agent
• 科研

RSI-Anything 是一个面向递归自我改进（Recursive Self-Improvement）的开源**世界模型（World Model）**项目，核心机制是一条"预测 · 决策 · 改进"闭环：智能体先提出候选动作，世界模型预测每个动作的后果，被选中的动作执行后获得外部反馈，反馈再驱动下一轮更优决策。本文将带你快速看懂 RSI-Anything 如何在代码修复、GUI 交互、实验室规划、反应优化、免疫科学 5 个领域落地这一闭环。

一、RSI-Anything 是什么？

传统 AI Agent 往往是"试错了才知道结果"，而 RSI-Anything 借鉴 JEPA-Anything 框架，让智能体在行动之前先"脑内模拟"：

• **政策模型（Policy）**负责提出候选动作（写一版新代码、点一个按钮、排一条实验流程……）
• **世界模型（World Model）**负责预测这些候选动作各自的后果与成败概率
• 外部反馈（运行结果、界面变化、实验读数）回填给智能体，支撑跨轮次保留的持续改进

这个"预测 → 决策 → 改进"的过程会递归迭代，智能体的决策质量随反馈不断累积提升。项目当前覆盖五大领域（详见 README.md）：

各领域到检查点、入口文件的完整映射见 MODEL_INDEX.json。

二、闭环三步走：预测、决策、改进如何衔接？

🔄第一步：预测（Predict）。政策模型给出若干候选动作后，世界模型逐一预测其"未来"。以代码修复为例，世界模型会输出每个候选程序在公开测试上的通过状态分布（AC / WA / RE / TLE / CE）与耗时估计，核心逻辑在 code_repair/codecontests/src/world.py。

🎯第二步：决策（Decide）。用预测结果给候选打分并选出最优者执行。实验室规划域最为典型：世界模型对 4 个候选方案同时给出四项预测——质量分predicted_Final、相对提升predicted_gain、变差风险predicted_risk、不确定性uncertainty_proxy，加权合成后只在结构合法的候选中选择，若无合法候选则回退到基准方案a1。打分与选择过程见 laboratory_planning/src/world.py。

📈第三步：改进（Improve）。执行产生的真实反馈（测试结果、新界面状态、实验读数）回到上下文，指导下一轮修订；多轮迭代中保留下来的改进构成"递归自我改进"。

三、世界模型凭什么"算得准"？

各域的世界模型共享 JEPA-Anything 的架构思想：不在像素/文本层面硬生成结果，而是先在隐空间（latent state）预测下一步状态，再映射回可解释的量化结论。

• 编码端把任务文本编码为向量（代码与 GUI 域基于 Qwen2.5-Coder-3B-Instruct 编码器 + LoRA 适配）
• 预测器产出潜在状态，经 OPF（正交因子投影）分解重组，保证各预测维度相互独立、可组合
• 读出层把潜在状态映射为具体数值：测试通过概率、产率、方案质量分等

例如反应优化域中，JEPA 预测器生成 8 组 96 维隐坐标，经 OPF 矩阵组合成 768 维反应状态，再由 yield 读出层预测产率，实现见 reaction_optimization/src/yield_predictor.py。实验室规划的隐空间结构定义可参考 laboratory_planning/src/world.py。

四、五大领域的闭环实践

1️⃣ 代码修复：先用预测挑选要运行的程序

智能体拿到题目、当前实现与执行反馈后生成候选修订，世界模型预测每个候选的测试行为，选中者才真正运行；运行结果（错误输出、运行时异常）再驱动下一轮修订。检查点覆盖 CodeContests（codecontests_final）以及 APPS Introductory / LiveCodeBench（transfer_final），使用指南见 code_repair/README.md。

2️⃣ GUI 交互：点之前先"预演"界面变化

智能体读取指令与当前界面状态，政策模型提出点击、选择、提交等候选动作，世界模型预测每个动作后的界面状态与任务完成可能性，浏览器反馈则提供下一步决策所需的更新状态（基准任务为 MiniWoB 的click-checkboxes）。政策与世界的最终检查点位于 gui_interaction/checkpoints/final/，任务协议见 gui_interaction/protocol.json，指南见 gui_interaction/README.md。

3️⃣ 实验室规划：给候选方案做"质量体检"

输入实验目标、可用材料、约束与动作库加上 4 个候选方案，世界模型（5 个 JEPA 预测器组成的集成）输出上文提到的质量、增益、风险、不确定性四组预测，用于在结构合法的方案中择优。三个随机种子的检查点如 seed1401 等，CPU 即可运行，指南见 laboratory_planning/README.md。该域还附带 LabHorizon 3D 资产感知数据集（3000 训练 + 200 测试样本）。

4️⃣ 反应优化：实验前先"算"产率

世界模型接收反应物、试剂、催化剂与目标产物，预测期望产率，让研究者无需逐一试验即可横向比较候选反应条件。检查点（含编码器、预测器、OPF 矩阵与 yield 读出层）位于 reaction_optimization/checkpoints/reactiont5_jepa_yield/world.safetensors，指南见 reaction_optimization/README.md。

5️⃣ 免疫科学：用预测干预效应来排序假设

该域将免疫状态预测、干预分析与假设生成长在一起：动作条件世界模型预测细胞因子变化、基因扰动等干预对免疫状态的影响，分析智能体结合实验证据比较干预并优先化科学假设。该领域正在开发中，见 immune_science/README.md。

五、快速跑通闭环的入门路径

🚀 代码修复与 GUI 交互需要 Linux + CUDA 环境，实验室规划与反应优化可直接用 CPU。在仓库根目录设置好输入输出路径与基座模型目录（基座下载见 _base_models/README.md）：

export RSI_BASE_MODELS_DIR="$HOME/.cache/rsi_anything/base_models" export INPUT_DIR=/path/to/inputs export OUTPUT_DIR=/path/to/outputs

以代码修复为例，一条命令即可运行完整闭环：

CUDA_VISIBLE_DEVICES=0 python code_repair/infer.py \ --protocol codecontests \ --input "$INPUT_DIR/codecontests.jsonl" \ --output "$OUTPUT_DIR/codecontests_predictions.jsonl" \ --seed 0

其余领域的运行参数与各检查点的组件构成，均可在对应域 README 中查到；模型与组件的许可说明见 THIRD_PARTY_NOTICES.md。

六、总结：为什么说这套闭环值得关注？

RSI-Anything 的价值在于把"预测 · 决策 · 改进"抽象成了跨领域通用流程：不同的观测、动作与评测标准之下，政策模型与世界模型的角色分工始终一致。对新手而言，可以从最轻量的实验室规划或反应优化域入手（CPU 即可），直观感受"先预测、再行动"与"直接试错"的差异；再深入代码修复与 GUI 交互，观察多轮反馈如何驱动智能体递归变强。

• 人工智能
• 基础模型
• AI Agent
• 科研