做 AI 自进化，我们为什么走进一家制造企业？

Chaotic Pendulum Lab · 从企业中生长的 Neo Lab

一家刚完成数亿元B+轮融资的硬科技企业，在使用 CompanyOS 的约六周里，与 Agent 的对话已超过十万轮。

公司负责人亲自搭建经营助手，工程师把专业方法做成内部应用。在一次实跑演示中，Agent 组合调用这些应用，参与整机方案设计。

一次 PCB 复检中，工程师纠正过的检查规则被保存下来。第二天新开对话复检时，同一智能体沿用了这些规则，没有再犯那几类错误。

这家企业已经开始把自己的专业判断用来改进 AI 的工作方法。企业的下一次进步，不该只等模型公司的下一次发布。

混沌摆是一家研究递归自我改进（RSI）的 Neo Lab。我们先在量化领域研究 AI 怎样从结果中学习，再把这套方法带进企业的日常工作。

量化方法会随市场变化而失效。一个过去有效的因子，后来可能不再有效。研究者需要通过回测发现问题，再检验新的方法。

团队沿着因子衰减这一问题开展了 AlphaAgent 系列研究，并在 AlphaAgentEvo（ICLR 2026）中探索用强化学习，把回测反馈用于改进模型。系统尝试一种方法，得到结果，再根据反馈调整后续探索。

我们希望把这种学习方式带到更多工作中。为此，团队从金融研究中整理出自进化学习框架，再与愿意深度合作的企业一起，在金融和制造两类场景中验证。

这也带来了新的难题。金融有相对清晰的回测信号，企业里的一份报告能不能交、一次检查有没有遗漏，往往需要资深员工判断。要让 AI 从这些反馈中学习，就要先弄清楚专家为什么这样判断。

在制造企业，一项任务常常要跨过多个系统。设计资料、器件手册和检查要求来自不同地方，工程师需要对照它们，才能判断一个连接是否正确。完成整机方案设计，还需要调用不同的专业工具。

这样的工作，让我们能研究 AI 在复杂条件下怎样学习。开篇的 PCB 案例中，工程师指出了错误，也讲清了判断依据，系统才有了可以用于下一次复检的规则。我们尤其关注小样本持续学习，希望少量高质量的纠正，能够帮助更多相似任务，而不必每次都从头教起。

这套研究框架覆盖数据、记忆、框架和模型四个层面。任务记录用于寻找问题和构建评测，确认过的经验可以写入记忆与技能。执行流程和工具编排也可以调整；模型的专项能力，则可以通过后训练改进。评测帮助我们比较不同改法的效果。

这些改进需要长期跟踪。系统在原任务上少犯了一次错，换到相似任务后是否仍然有效？业务条件变化时，之前的经验又该怎样更新？

与企业持续合作，让我们能在客户授权范围内接触实际任务和专家反馈，并回到后续工作中检验方法。我们选择制造企业，是为了在复杂的真实工作中，研究并验证 AI 怎样从经验中持续改进。

目前，金融线已有强化学习后训练研究；企业线已有跨对话规则复用，以及记忆、技能和专业应用的积累。企业任务评测仍在建设，我们将用它检验更多任务上的效果，并推进相应后训练。

我们的长期目标，是构建一个 AI 自运行组织。

我们希望 CompanyOS 能承接企业的目标，组织智能体分工协作。一项工作开始后，系统能够拆解任务，找到所需的资料和工具，再把各个环节的结果接起来，持续推进。遇到超出权限或无法判断的问题，交给人处理。

系统还要从工作结果和人的纠正中学习，改进下一次执行。

再往前一步，AI 还要改进自己寻找问题、验证方法的能力。这是我们持续推进 RSI 研究的方向。今天已经发生的规则复用和工具协作，是走向这个目标的起点。