rsi-gear /
gear
大家好，自荐一个开源项目 Gear，希望帮助开发者提升 AI Agent 在具体任务中的表现。 开发 Agent 时，经常需要反复调整提示词、工具和执行流程，再跑一遍任务，检查改动是否有效。Gear 把这个过程组织成一个由评测反馈驱动的优化循环： 1. 准备一组有明确验收标准的任务，可以使用现有 benchmark，也可以定义自己的任务集。 2. 运行 Agent，收集执行轨迹和评测结果。 3. 由负责优化的 Agent 分析失败原因，…
Product images
About
大家好，自荐一个开源项目 Gear，希望帮助开发者提升 AI Agent 在具体任务中的表现。 开发 Agent 时，经常需要反复调整提示词、工具和执行流程，再跑一遍任务，检查改动是否有效。Gear 把这个过程组织成一个由评测反馈驱动的优化循环： 1. 准备一组有明确验收标准的任务，可以使用现有 benchmark，也可以定义自己的任务集。 2. 运行 Agent，收集执行轨迹和评测结果。 3. 由负责优化的 Agent 分析失败原因，修改授权范围内的组件。 4. 重新评测、比较候选版本，保留表现更好的方案，继续迭代。 可优化的组件包括提示词、工具实现、Skills、工作流和上下文管理。这些围绕模型的运行配置统称为 harness。Gear 会记录各版本的改动和评测结果，方便检查和复用；开发者也可以定制搜索算法，并根据通过率、费用或 token 消耗设置优化目标。 在项目公开的 AutomationBench Marketing 实验中，GPT 5.6 Luna + DSH 在 100 个公开任务上的任务通过率从 27% 提升到 53%，目标完成率从 75.37% 提升到 88.88%。这组结果包含 harness 优化和推理档位从 medium 到 max 的变化，且任务集参与过优化；实验配置与评分口径均已公开，便于读者判断结果的适用范围。 Gear 通过 Refine Skill 接入 Codex、Claude Code、DSH 等 Agent 环境。负责提出改进的 Agent 与执行任务的 Agent 可以使用不同模型。当前已支持 harness 优化，模型训练仍处于实验阶段。 项目采用 MIT 协议，提供中文文档和完整实验案例，欢迎试用、反馈和贡献。 GitHub 源码 中文文档与快速开始 实验过程与优化算法
Discovery history
- 阮一峰周刊·用户投稿
Discuss this product