基于大模型的自主代码智能体（Agent）迭代很快，无论是命令行终端配置，还是跨文件的代码库缺陷修复，都展现出不错的工具调度能力。但在实际落地与高强度评测中，基于 ReAct 或纯提示词框架的智能体普遍卡在同一个瓶颈上—失忆性重复踩坑。我们把这归结为三个问题：① 缺乏跨会话经验沉淀，缺的是把上一轮经验留到下一轮；② 上下文污染与高昂成本，把历史对话直接拼进Context 既消耗 Token，又引入负迁移噪音与幻觉经验；③ 评测作弊与真实泛化的矛盾，记住测试集答案能让榜单好看，换到真实工程任务就失效。
为此，Bole-Agent依托开源的DeepSeek-Harness（DSH）底层框架，适配ACP（Agent Client Protocol），构建了纯宿主端的E/W/rho/C记忆体系与RSI（Recursive Self-Improvement）自进化协议，让智能体在安全隔离的前提下具备复盘反思—独立验证—经验提炼—跨任务复用的能力。
Bole-Agent的自进化能力源于两个支柱：底层的系统解耦记忆架构与上层的自省进化流水线。记忆层拒绝让模型自行篡改记忆或凭空伪造状态，而是通过 Harness 严格托管，抽象出四维状态机。
E（Experience / 经验资产库）：经筛选的可复用策略，以模型专属作用域的 Skill 形式提供，分两档——已过验证可生效的Champion，刚总结尚未激活的Candidate。经验按模型完整运行时身份计算SHA-256档案键，杜绝跨模型串扰。
W（Work Ledger / 工作账本）：由Harness根据持久Session事件维护的实时状态机，包含当前任务需求、工具调用回执计数与未解决失败项。模型不能自行写进度，也不能伪造证据。
rho（Routing / 路由分发）：确定性、有上限地选择与当前任务相关的经验。带标签的经验项须先命中当前任务的领域标签；最近一次工具失败只影响排序，不能让无关经验获得候选资格。
C（Completion / 完工复核）：可执行任务结束前至多追加一次有界证据检查，并且只承认物理观测到的真实执行回执，次数设上限以避免收尾阶段空转。
基于上述记忆底座，Bole-Agent 实现了标准化的 RSI 控制层，整条流水线拆成四步：
① 候选产出（Actor Pass），执行侧完成任务，提交候选方案；
② 独立验证（Verifier Pass），方案投递至临时 Detached 隔离工作区，在禁用记忆下由独立 Verifier 跑出唯一确定性断言（RSI_VERDICT: PASS/FAIL）；
③ 证据摘要（Digest & Hash），通过的方案剥离所有凭据，生成 SHA-256 摘要后登记为 Candidate（暂不生效）；
④ 晋升机制（Promotion Gate），候选经验经跨任务 A/B 对照复现与回归校验，确认稳定正向收益才晋升为Champion，打包为冻结发布。
围绕这四步，我们设置了三道工程防线。
防线一：严格隔离的评估栅栏（Evaluator Fence）—绝不走捷径。官方评测基准的隐藏测试套件完全屏蔽在自进化回路之外，智能体只能依据公开业务定义与环境执行回执总结经验；任何环境偶发超时或异常直接标为UNVERIFIED，严防脏数据污染。
防线二：Actor与Verifier 双角色解耦验证—自省不能陷入自说自话。方案由独立角色在干净沙箱跑出唯一确定性断言；判为 FAIL 时仅允许至多 1 次有界修复与复验，杜绝资源死循环。
防线三：从Candidate到Champion的晋升淘汰制，新经验必须携带 SHA-256 证据摘要，过滤密码、私钥、凭据赋值与题目专有数据，先作为未激活的 Candidate 存储；只有通过 A/B 对照复现、证明稳定正向收益后，才能晋升为 Champion 并绑定专属模型档案。
在操作系统底层的极端任务下，智能体自己总结并晋升了多条高价值工程规律。其中一条与后台服务的生命周期有关。
踩坑现场：部署gRPC微服务、Nginx、本地推理服务或QEMU虚拟机时，智能体习惯直接用后台作业编号启动进程。会话退出时，作业清理机制会把关联的后台进程一并终止，外部评测器随后探测端口，拿到的是连接拒绝。在kv-store-grpc、pypi-server、qemu-alpine-ssh这类任务上，同一个错误反复出现。
RSI 进化沉淀：
智能体复盘后生成了如下规范策略并固化到记忆中——对于需在智能体退出后长期存活的服务，不得依赖普通的后台作业编号；必须通过系统服务管理器启动，或在独立会话中通过setsid nohup<command></dev/null >/tmp/<log>2>&1 & 启动，彻底切断所有标准流；启动后用全新独立命令探测端口监听状态，确认进程Session ID 与启动Shell解耦，最后以真实客户端请求检验服务健康度。
在严格对照的评测环境下，Bole-Agent搭载伯乐大模型专家模型2与伯乐大模型专家模型1两款主力开源底座，在业内公认难度最高的两大基准上做了全量实测，自进化回路全程不接触隐藏测试集。
Terminal-Bench 2.1（89 道 OS／CLI 真实系统工程任务）：涵盖系统内核、逆向分析、复杂网络与并发等严苛操作。伯乐大模型专家模型2底座上，初始基线57/89（64.04%），经输出格式约束与长耗时分支处理后58/89（65.17%），接入 RSI 进阶态后达到66/89（74.16%），净增 9 题；伯乐大模型专家模型1底座上，官方冻结基线60/89（67.42%），接入RSI Champion首轮63/89（70.79%），新增攻克pypi-server、qemu-ssh等11项复杂服务任务，独立复跑第二轮62/89（69.66%）。两轮相差1题，说明提升可复现，不是单次波动。
DeepSWE（113道真实大型开源代码库缺陷修复）：面向大规模工业级代码库，考察智能体定位复杂调用栈、修复缺陷并保持既有测试不被破坏的能力。伯乐大模型专家模型2完整解决24/113（21.24%），缺陷恢复率79.06%，平均局部得分 93.58%，原有测试保持率 99.05%；伯乐大模型专家模型1完整解决44/113（38.94%），缺陷恢复率 83.39%，平均局部得分 92.96%。未完全通过的子集中超过83%的失效测试被成功恢复，说明每次反思后形成的修改习惯是可控的。
这套体系只是第一阶段。下一步，我们把成熟的E/W/rho/C宿主记忆底座、隔离评测防护与RSI经验提炼机制，原生打通并沉淀至公司自研的伯乐大模型基座，在基础预训练与后训练之上，把经多轮验证的先验知识内化为模型的固有能力，让下游调优不再依赖海量人工打标，也不再靠扩大上下文来补经验。
RSI的底层逻辑是——通过确定性的物理／工具环境反馈驱动自省，把隐性知识萃取为显性资产。这一范式不只适用于代码与终端运维，同样可突破专业工业壁垒：面向计算机视觉，把目标检测、工业缺陷识别、遥感与质检等处理链路的调用反馈，抽象为可复用的视觉诊断规则；面向复杂电磁仿真与信号计算，调度专业求解器完成电磁场求解、网格剖分与天线参数优化，自主总结高阶工程经验。
大模型的参数量与预训练决定了智能的下限，而系统架构、记忆工程与自我进化能力，决定了智能体在真实工业世界落地的上限。Bole-Agent证明：只要给智能体一套科学的反思规则与可审计的经验闭环，模型就能在与环境的真实交互中不断进化、持续复利。目前这套体系正加速向生产环境适配，后续将与伯乐大模型基座打通。
