使用 CLI 组织 Agent 配置改进

准备身份与实验范围

使用当前部署已授权的 CLI 身份与工作区，先确认 Agent、问答集和模型可访问。为实验选择非敏感数据，保留原配置并设定轮数、时间和资源预算。本文的 ID 与文件名均为占位示例，执行前应替换并核对。

读取与准备候选

apemind bot get BOT_ID --workspace WORKSPACE_ID
apemind bot update BOT_ID --input candidate.json --workspace WORKSPACE_ID --dry-run

candidate.json 需要符合当前 Bot 更新请求格式，只包含本次拟修改的字段；读取响应不是可直接回写的更新请求。预览后核对目标和改动，再提交：

apemind bot update BOT_ID --input candidate.json --workspace WORKSPACE_ID --confirm

工具、技能、知识库及运行设置可能属于不同资源。使用当前版本的命令帮助核对可写字段与版本条件，不要假设一次 Bot 更新会修改全部依赖，也不要让优化程序修改评分标准或留出集。

执行评测并归档

按版本化问答集教程创建基线与候选运行。需要程序驱动时，使用当前部署的评测 API；CLI 的通用 apemind api 入口沿用当前身份和工作区，服务端仍逐次鉴权。它不是独立的一键优化命令。

将运行 ID、题集版本、评分问题、模型、配置差异与预算一起归档。重跑和重新评分会影响当前结果，独立比较应新建运行。不要把原始响应中的凭据、客户材料或未获准的对话内容写入公开实验日志。

组织持续循环

1. 读取已完成运行的诊断与结果，提出可检验的假设。
2. 生成候选配置，记录修改理由和适用条件。
3. 在授权范围内应用候选，用固定开发集重新评测。
4. 按质量、失败率与资源标准保留或撤销候选；超过预算或无改进则停止。
5. 对选定配置进行独立留出验证，整理能供后续任务使用的经验。

候选生成、应用顺序、停止条件、回滚和跨任务经验检索需要外部编排。仅反复跑同一评测集涨分，不能证明新任务也会改善。

与 Harness² 的关系

Google Research Harness² 研究任务执行框架与改进框架的递归改进。要声称复现，需要遵循其反馈约束和实验协议，并提供对应结果。这里介绍的是使用 ApeMind 现有资源组织评测驱动改进的方法。

继续阅读：执行诊断与上下文用量 · Agent RSI 概览。