danielxu0208/rsi_eval 是一个轻量级 Python SDK 和 CLI，用于在智能体基准测试中评估递归自我改进（RSI）技术，也就是通过反复迭代改进流程来提升自身的方案。用户自行选择改进循环和要评估的任务，在统一接口内评估候选方案。目前尚无正式发布，该仓库创建于 2026 年 10 月 12 日。
关于 RSI 的讨论往往停留在定性主张上。这个工具试图把多个基准测试纳入同一套测量框架，作为通用的评价标准。它的职责划分很明确：改进流程本身交由用户负责，工具只负责执行评估和收集结果。它会记录每个候选的评估结果和候选快照，可将获得的任务反馈用于下一个候选，并允许显式恢复中断的任务。项目提供 SDK 和 CLI 两种形式，用 Python 编写，采用 Apache-2.0 许可证。
不过，公开信息中没有实际的基准测试结果，也没有候选之间的比较数据。由于改进流程由用户负责，仅凭这个 SDK 很难原样复现自我改进过程。仓库目前有 137 个 star，惯性分数最高为 4.7。定性评估结果为新颖性 7.0、技术 7.0、质量 6.0。可以看出它是在尝试把多项研究的测量框架统一起来，但要让这套标准站得住脚，还需要积累更多结果。