不往上下文里塞代码库——让模型写代码查仓库、递归调子模型,RLM 开源实现全程实机演示
RLM: Recursive Language Models for Large Codebases - Shashi, Superagentic AI · Shashi
全片 17 分钟·真正值得盯屏约 4 分钟·3 个必看点
- 0:00 – 1:30略
开场:RLM 与 MIT 论文
介绍讲者与主题,引出 RLM(递归语言模型)论文,说明本演讲会从概念讲到开源实现与演示。
RLM 有完整论文可读,本演讲是其严格复现与工程化实践
画面主要是论文页面与标题幻灯片(29.96s『as you can see, there is a full paper』),扫一眼知道出处即可▶ 跳到 0:00讲者 · Shashi - 1:30 – 4:10听
上下文退化难题与四类现有方案
编码智能体在小仓库表现好,但随上下文增长性能退化,大型 mono repo 最严重;业界现有方案归为四类:grep 式搜索、语义检索、长上下文压缩摘要、外挂记忆。
四类主流方案都在『往上下文里塞更好的内容』,而 RLM 换了思路
这段是纯口头的问题梳理与方案分类,无关键画面,适合当播客听▶ 跳到 1:30讲者 · Shashi - 4:10 – 7:01略
RLM 核心机制
RLM 把上下文管理外置到可编程执行环境:整个仓库是模型可操作的数据,模型写 REPL 代码切片计算得到有界观察(bounded observation),不够时用 LLM query 递归调用子模型,循环直至得出结论。
核心是『有界观察 + 递归子调用』替代『全量塞上下文』
机制讲解配架构示意幻灯片,361s 处还宣布了完全开源的 RLM Code 仓库,看图理解循环结构比纯听快▶ 跳到 4:10讲者 · Shashi - 7:02 – 9:06听
RLM 生态:模式而非框架
RLM 本质是可自由实现的模式:官方有 RLM 与 RLM Minimal 两个参考仓库,社区已有多种独立实现;作者 Omar 也是 dspy 作者,dspy 内置了 RLM,但应把 dspy 实现与模式本身分开看。
把 RLM 当 pattern 学,而不是绑定某个具体框架
这段以生态与人物脉络的口头论述为主,幻灯片信息量不大▶ 跳到 7:02讲者 · Shashi - 9:06 – 10:46略
RLM Code 与演示环境
介绍 Super Agent 开源的 RLM Code:严格按论文实现、不叠加额外概念,支持本地/云端模型、可接任意可观测性框架;演示用 Docker 做沙箱,demo target 就是 RLM Code 自身源码,配套演示仓库可自行复现。
演示全套可复现:RLM 论文 + RLM Code + 演示仓库都开源
546s 展示配套仓库 README、605s 展示 demo target 配置,记下仓库入口即可,细节可事后看代码▶ 跳到 9:06讲者 · Shashi - 10:46 – 12:44看
现场演示:完整 RLM 循环
在 Docker 沙箱里实跑一遍:模型先写 REPL 代码构建 evidence,再带提示词发起 LLM query 递归取回结果,最后汇合成最终答案;687s 起展示 trace 细节,728s 展示 JSONL 格式的 run/session 记录可导入任意可观测性平台。
RLM 循环真实可跑,且每一步都有 trace 可查
全片核心画面:终端里逐步展开的 REPL 代码、递归调用与 token 统计只有看才能理解,654s/687s/728s 均被判定为关键视觉时刻▶ 跳到 10:46讲者 · Shashi - 12:44 – 15:00看
TUI harness 与 research lab
演示编码智能体风格的实验性 TUI:connect 接入 Gemini、doctor 自检、发送提示词时指定 budget 防超支,运行受最大步数与递归深度约束(801s);848s 起进入 research lab,回看 rewards 与完整 trajectory。
自建 RLM harness 要带预算、步数、递归深度约束和全轨迹捕获
TUI 操作流与 research lab 的轨迹回放界面是纯视觉内容,764s/801s/848s 三个视觉时刻密集分布在此段▶ 跳到 12:44讲者 · Shashi - 15:00 – 17:26听
落地场景与业界采用趋势
典型落地是大仓库根因分析(RCA)与陌生仓库快速上手;讲者亲见 Codex harness 在 REPL 里写 Python 筛选上下文,多智能体各带独立沙箱的动态工作流思想大体源自 RLM,Claude Code 工程师也在 X 上承认用了 RLM 概念。
RLM 模式已渗入 Codex、Claude Code 等主流产品,值得现在就为自己的场景设计 harness
收尾以口头论述行业趋势与建议为主,899s 只是提示源码可查,无需盯画面▶ 跳到 15:00讲者 · Shashi