recursive-improve

让AI智能体自己总结经验，越用越聪明

recursive-improve 是一个让 AI 智能体实现递归自我改进的开源框架。它解决的核心问题是：当前大模型智能体在完成任务后缺乏自主学习和迭代优化的能力，每次任务都从零开始，无法积累经验。该项目通过设计一套循环机制，让智能体在执行任务后自动评估自身表现，将成功经验或失败教训反馈到系统提示词或外部记忆中，从而在下一次类似任务中表现更好。其核心能力包括：任务分解与执行、结果评估与反思、经验提取与沉淀、以及基于改进后的指令重新运行。整个流程无需人工干预，智能体可以不断循环进化，适用于需要长期自主完成复杂任务的场景，如自动化运维、代码生成、数据分析等。项目基于 Python 实现，易于集成到现有 AI 工作流中。