openJiuwen发布RSI原生AgentOS，支持Agent自主开发功能并持续迭代

openJiuwen近日正式发布其RSI原生AgentOS，标志着Agent系统向自主演进方向迈出关键一步。该操作系统以‘让Agent自由变身，持续迭代’为核心目标，首次实现Agent可依据任务需求自主调用工具链、生成新技能模块，甚至在运行时动态扩展自身能力边界。

与传统Agent框架依赖预设指令或人工干预不同，RSI原生AgentOS通过标准化的扩展机制，使Agent具备‘自我编程’潜力——当用户提出新需求（例如‘为我生成一份合规的合同初稿’），Agent可自动检索可用工具、组合技能模块、调用外部API，并在必要时触发本地代码生成流程，最终输出可执行逻辑。

从技术架构看，RSI原生AgentOS采用清晰的三层结构：Client层负责用户交互与前端呈现；Gateway层处理请求路由、鉴权与协议转换；Agent层则为核心执行单元，内置Agent Swarm后端接口与Harness调度引擎。每一层均预留标准化扩展点：Client层支持Web UI插件（如皮肤、功能页、cmd等）；Gateway层兼容Channel、路由策略、Hook等逻辑插件；Agent层则开放三方工具集成（如cc/codex/dsh）、后端接口对接（数据可视化、服务调用）以及三方Agent Server实例接入（web、ssh服务）。

这一设计显著降低了Agent能力扩展的技术门槛。开发者无需重构整个Agent系统，仅需按规范编写manifest.json配置文件与extension.py逻辑脚本，即可将新功能注入运行时环境。例如，某法律科技团队曾基于该框架快速集成‘合同条款比对’模块，仅用3天完成从需求定义到上线测试全流程。

值得注意的是，RSI原生AgentOS强调‘本地化可控性’。系统支持Windows、macOS双平台部署，并可通过浏览器、移动端App及微信小程序等多种入口访问。所有扩展包与技能模块均以独立文件形式存在，用户可自由选择启用或禁用，避免传统云侧Agent常见的‘黑盒依赖’问题。在数据安全层面，敏感操作默认走本地客户端执行，关键结果经加密后同步至云端，兼顾效率与隐私。

行业观察显示，此类‘可进化Agent系统’正成为大模型落地的关键中间层。此前Google发布的A2UI 1.0协议聚焦于Agent返回原生UI界面的能力，而智合AI在2026年进博会推出的Agent 3.5则开源了70项自研Skills，两者均指向同一趋势：Agent不应止步于‘响应式助手’，而需成长为具备持续学习与功能构建能力的数字工作者。

openJiuwen的RSI原生AgentOS在此基础上进一步前移了能力边界——它不仅提供技能库，更赋予Agent‘创造技能’的权限。例如，在图3所示的Claude Agent for Jira场景中，当用户提问‘应编写多少测试用例覆盖便签颜色选择功能？’，Agent并未简单调用已有知识，而是动态生成测试策略树、评估覆盖率路径，并引导用户选择‘Minimal’至‘Comprehensive’四级方案，最终输出可验证的测试计划。该过程涉及多轮推理、工具调用与反馈闭环，体现了系统级的自主决策能力。

在实际应用中，该系统已服务于多个垂直领域。某律师事务所将其接入内部知识库后，律师可直接向Agent提问‘起草一份跨境数据合规承诺函’，Agent随即调取GDPR、中国《个人信息保护法》相关条款，结合客户业务类型生成初稿，并自动标注法律风险点；某制造业企业则利用其扩展能力，将设备巡检SOP封装为可复用Skill，一线人员通过语音指令即可触发检查流程，系统实时回传异常预警。

与之形成对比的是，当前多数Agent平台仍处于‘功能预制’阶段：用户只能在有限选项中选择，无法真正定制行为逻辑。而RSI原生AgentOS通过标准化的扩展契约（如package_domain、extensions[]、example_extension等字段），使非专业开发者也能参与Agent能力共建。其manifest.json配置格式简洁明确，配合REAME.md说明文档，大幅降低社区贡献门槛。

从产业演进角度看，Agent OS的出现填补了大模型与具体业务之间的关键断层。过去一年，大量企业尝试将LLM接入工作流，但常因缺乏稳定、可控、可维护的中间层而陷入‘演示可行、落地难产’困境。RSI原生AgentOS试图解决这一问题：它既非纯开源模型（如Llama系列），也非封闭式SaaS产品（如某些智能客服平台），而是一个介于两者之间的‘能力操作系统’——用户拥有所有权与修改权，同时享受生态协同带来的复用红利。

目前，openJiuwen已开放基础版AgentOS下载，并计划在未来三个月内推出企业级版本，重点增强权限管理、审计日志与跨Agent协作能力。据内部透露，下一阶段将引入‘Agent间技能市场’机制，允许组织内不同团队共享自研模块，形成类App Store的内部能力分发网络。

尽管技术路径清晰，挑战依然存在。例如，自主生成代码的安全性验证、多Agent协同时的状态一致性、以及长期迭代中的版本兼容性等问题，尚需在实践中持续优化。但可以确定的是，当Agent不再仅是‘被训练出来的工具’，而成为能随任务演化、自我完善的数字实体时，人机协作的范式将发生根本性转变。

openJiuwen此次发布的RSI原生AgentOS，虽未高调宣传‘革命性突破’，却在架构设计上体现出务实而深远的思考：它不追求单点性能极致，而是致力于构建一个可持续生长的Agent生态底层。对于希望深度整合AI能力的企业而言，这或许是一条更稳健、更具延展性的落地路径。