学习目标

阅读本文后，你将能够：

1. 理解 RD 循环：说清 R（研究）和 D（开发）两个智能体如何配合，以及 Copilot 与 Agent 两种角色的边界
2. 部署 RD-Agent：在 Linux 上完成安装、模型配置和健康检查
3. 解读 MLE-Bench 成绩：知道这些数字在测什么、优势来自哪里、不能推出什么
4. 运行量化场景：用 RD-Agent(Q) 做因子发现和模型优化的联合迭代
5. 选择合适的 UI：区分 Streamlit UI 和 Web UI 的分工与安全配置
6. 找到扩展路径：定位源码结构，按官方文档扩展新场景或参与贡献

RD-Agent：微软自动化研发智能体完全指南

预计阅读时间：30 分钟 | 难度：⭐⭐⭐⭐

目标读者：AI 研究工程师、自动化研发从业者

一、项目概述

1.1 什么是 RD-Agent

RD-Agent（Research & Development Agent）是微软开源的自动化研发智能体框架，聚焦数据驱动场景中模型和数据的自动化开发。它把工业研发中最核心的动作抽象成两个组件：R 负责提出新想法，D 负责把想法实现成可运行的代码，再让两者循环迭代、从真实反馈中进化。

1.2 关键数据

1.3 定位

RD-Agent 想自动化的是数据驱动研发的三个关键动作：

• 读材料：从研报、论文等真实材料中提取关键公式、特征和模型描述
• 做实现：把提取出的公式和模型写成可运行的代码，并靠反馈循环不断改进
• 提想法：基于当前知识和观察，主动提出新的假设

围绕这套循环，项目已经落到五类场景：量化交易（Qlib 循环）、财报因子提取、论文转模型、Kaggle/数据科学竞赛，以及 LLM 微调（FT-Agent）。

二、框架怎么工作：RD 循环与场景

2.1 R 和 D 的分工

框架的方法论来自对数据挖掘专家日常工作的抽象：专家先提出假设（比如"RNN 结构能捕捉时序数据的模式"），然后设计实验、把实验写成代码、执行代码拿到反馈（指标、损失曲线等），再根据反馈改进下一轮迭代。

RD-Agent 把这条链自动化：

官方把这套设计称为第一个"支持与真实世界验证挂钩"的科研自动化框架——假设不是空转，每一轮都要在真实数据上跑出结果。

2.2 先分清：Copilot 与 Agent

读场景前要先拆开两个角色，它们对应两种自动化深度：

• Copilot：跟随人类指令，自动化重复性工作。典型如财报因子提取——人指定材料，智能体负责读和实现。
• Agent：更自主，主动提出想法追求更好的结果。典型如 Qlib 因子循环——无人值守地持续提出、验证、淘汰因子。

2.3 场景矩阵

除此之外还有两个较新的场景：FT-Agent（自主 LLM 微调，对应 ICML 2026 论文 FT-Dojo）和 Agent² RL-Bench（评估 LLM 智能体能否自主工程化 RL 后训练流程的基准）。

2.4 一次因子进化如何流转

以金融因子循环（rdagent fin_factor）为例，一条任务流是这样的：

1. 启动后，R 侧从知识库中已有的因子和回测观察出发，提出一个新因子假设（含计算逻辑描述）；
2. D 侧把假设翻译成基于 Qlib（微软开源的量化投资平台）的因子实现代码；
3. 代码在容器里执行，跑真实行情数据拿到回测指标；
4. 指标反馈回写知识库，R 侧据此决定下一步是改进这个因子还是换方向；
5. 循环往复，直到人喊停。

源码里这条链对应得也很直白：rdagent/components/ 下有 proposal（提假设）、coder（写实现）、runner（跑实验）、knowledge_management（管知识库），场景差异主要体现在 rdagent/scenarios/ 下的适配层。

2.5 仓库结构

RD-Agent/
├── rdagent/                 # Python 包主体
│   ├── app/                 # 各场景 CLI 入口（qlib_rd_loop、data_science、finetune 等）
│   ├── components/          # 研发循环组件：proposal、coder、runner、knowledge_management 等
│   ├── scenarios/           # 场景适配：qlib、kaggle、data_science、finetune、rl 等
│   ├── oai/                 # LLM 后端（LiteLLM 集成、模型配置）
│   ├── core/                # 核心抽象：evolving 框架、实验、知识库、场景定义
│   ├── log/ 与 utils/
├── web/                     # Web UI 前端（Vue，配合 server_ui 使用）
├── docs/                    # 文档源文件
├── test/                    # 测试
├── constraints/             # 依赖约束
└── pyproject.toml

三、MLE-Bench 当前最强选手

3.1 MLE-Bench 在测什么

MLE-Bench 是 OpenAI 发布的基准，用 75 个 Kaggle 竞赛的真实数据集评估 AI 智能体的机器学习工程能力。它测的不是"会不会写一段训练代码"，而是完整工程链路：理解竞赛任务、处理数据、训练模型、产出可提交的结果。

3.2 RD-Agent 的成绩

RD-Agent 目前位居 MLE-Bench 榜首：

读这组数字有三个要点：

o3(R)+GPT-4.1(D) 的意义在成本结构，不在绝对分数。 这个版本把研究端交给 o3、开发端交给 GPT-4.1，官方说明的设计目标是缩短每轮平均耗时、用更便宜的模型组合降低总成本。它比 o1-preview 全自用版本高出约 8 个百分点，同时更省钱——框架把"哪种能力该用哪个模型"这个问题显式拆开了。

方差不可忽略。 o1-preview 的成绩基于 5 个独立随机种子，o3(R)+GPT-4.1(D) 基于 6 个。Low 档 ±6.9 的标准差意味着单次跑分波动不小，横向对比其他 agent 时要看多 seed 均值。

这些数字不能推出什么： 不代表换上最新模型就能自动复现榜首（结果绑定特定模型组合与框架版本）；All 档 30.22 是"完整做出可用提交"的比例，离 Kaggle 人类获奖水平还有明显距离；High 档只有约 27%，长周期任务仍是短板。

难度分级标准（MLE-Bench 官方口径）：

• Low=Lite：资深 ML 工程师 2 小时内可完成（不含模型训练时间）
• Medium：需要 2-10 小时
• High：需要 10 小时以上

3.3 详细运行记录

四、RD-Agent(Q)：量化交易场景

4.1 核心定位

RD-Agent(Q) 是首个数据中心的量化多智能体框架，通过因子-模型联合优化，自动化量化策略的全栈研发。这项工作对应的论文已被 NeurIPS 2025 接收。

4.2 核心结果

官方在真实股票市场上的实验结论：

“减少 70% 以上因子"值得单独说：多数自动化因子挖掘倾向于堆数量，RD-Agent(Q) 反过来验证了"少而准"的因子集合配合联合优化，收益更高、过拟合风险更低。

4.3 交替优化机制

RD-Agent(Q) 的核心机制是交替因子-模型优化：

• 因子优化：发现对预测更有价值的新因子
• 模型优化：基于新因子集合优化预测模型
• 交替进行：更好的因子让模型上限更高，更强的模型又能更准确地给因子定价，官方称这带来了预测精度与策略鲁棒性之间更好的权衡

注意官方免责声明的边界：RD-Agent 面向金融研发流程，不构成任何投资建议，也未达到可直接实盘的就绪度。

五、快速开始

5.1 系统要求

⚠️ RD-Agent 目前仅支持 Linux 系统

大多数场景依赖 Docker，安装前确认当前用户不使用 sudo 即可运行 Docker 命令：

docker run hello-world

5.2 安装

用户安装（推荐，conda 环境 + PyPI）：

conda create -n rdagent python=3.10
conda activate rdagent
pip install rdagent

开发者安装（想用最新版或参与贡献）：

git clone https://github.com/microsoft/RD-Agent
cd RD-Agent
make dev

5.3 健康检查

安装完成先跑一次（--no-check-env 表示此时还没配模型，跳过环境检查）：

rdagent health_check --no-check-env

health_check 检查三件事：环境变量配置是否有效、Docker 是否可用、默认端口（19899）是否被占用。配置好模型后不带参数再跑一次是必要步骤：

rdagent health_check

只查端口占用：

rdagent health_check --no-check-env --no-check-docker

5.4 配置模型

场景运行依赖三项能力：ChatCompletion、json_mode、embedding query。默认后端是 LiteLLM，可以用任意 LiteLLM 支持的模型。

方式一：Chat 与 Embedding 用同一个 API base（以 OpenAI 为例）

cat << EOF > .env
# 任何 LiteLLM 支持的模型
CHAT_MODEL=gpt-4o
EMBEDDING_MODEL=text-embedding-3-small
OPENAI_API_BASE=<your_unified_api_base>
OPENAI_API_KEY=<your_openai_api_key>
EOF

方式二：Chat 与 Embedding 分开配置（例如 embedding 走 SiliconFlow，注意需要 litellm_proxy 前缀）

cat << EOF > .env
CHAT_MODEL=gpt-4o
OPENAI_API_BASE=<your_chat_api_base>
OPENAI_API_KEY=<your_openai_api_key>

EMBEDDING_MODEL=litellm_proxy/BAAI/bge-large-en-v1.5
LITELLM_PROXY_API_KEY=<your_siliconflow_api_key>
LITELLM_PROXY_API_BASE=https://api.siliconflow.cn/v1
EOF

Azure OpenAI（使用前确认你的 Azure 密钥支持 embedding 模型）：

cat << EOF > .env
EMBEDDING_MODEL=azure/<Model deployment supporting embedding>
CHAT_MODEL=azure/<your deployment name>
AZURE_API_KEY=<your_key>
AZURE_API_BASE=<your_base>
AZURE_API_VERSION=<api_version>
EOF

DeepSeek（实验性支持；DeepSeek 没有嵌入模型，embedding 走 SiliconFlow）：

cat << EOF > .env
CHAT_MODEL=deepseek/deepseek-chat
DEEPSEEK_API_KEY=<your_deepseek_api_key>

EMBEDDING_MODEL=litellm_proxy/BAAI/bge-m3
LITELLM_PROXY_API_KEY=<your_siliconflow_key>
LITELLM_PROXY_API_BASE=https://api.siliconflow.cn/v1
EOF

推理模型注意：如果所用模型的回复里带思考过程（如 <think> 标签），需要额外设置：

REASONING_THINK_RM=True

直接使用 OpenAI API 或 Azure OpenAI 的旧配置方式属于已弃用（deprecated）后端，仍可用但不建议新项目采用，配置细节见官方文档。

六、运行场景命令

以下命令每个对应一个官方演示，选择需要的场景运行。

6.1 量化交易三个入口

rdagent fin_quant    # 因子与模型联合进化（Qlib 自循环）
rdagent fin_factor   # 仅因子进化
rdagent fin_model    # 仅模型进化

6.2 财报因子提取

# 一般形式
rdagent fin_factor_report --report-folder=<your financial reports folder>

# 具体例子：先下载示例财报
wget https://github.com/SunsetWolf/rdagent_resource/releases/download/reports/all_reports.zip
unzip all_reports.zip -d git_ignore_folder/reports
rdagent fin_factor_report --report-folder=git_ignore_folder/reports

6.3 论文转模型实现

rdagent general_model <paper_url>

# 示例
rdagent general_model "https://arxiv.org/pdf/2210.09789"

更多论文示例用 rdagent general_model -h 查看。

6.4 数据科学竞赛（本地数据）

# 下载数据集
wget https://github.com/SunsetWolf/rdagent_resource/releases/download/ds_data/arf-12-hours-prediction-task.zip
unzip arf-12-hours-prediction-task.zip -d ./git_ignore_folder/ds_data/

# 配置环境变量
dotenv set DS_LOCAL_DATA_PATH "$(pwd)/git_ignore_folder/ds_data"
dotenv set DS_CODER_ON_WHOLE_PIPELINE True
dotenv set DS_IF_USING_MLE_DATA False
dotenv set DS_SAMPLE_DATA_BY_LLM False
dotenv set DS_SCEN rdagent.scenarios.data_science.scen.DataScienceScen

# 运行
rdagent data_science --competition arf-12-hours-prediction-task

下载竞赛描述文件时需要用到 chromedriver。

6.5 Kaggle 竞赛

前置步骤：

1. 注册并登录 Kaggle；
2. 配置 API：头像 → Settings → Create New Token 下载 kaggle.json，移到 ~/.config/kaggle/，执行 chmod 600 ~/.config/kaggle/kaggle.json；
3. 在竞赛详情页点击 Join Competition 接受规则。

mkdir -p ./git_ignore_folder/ds_data
dotenv set DS_LOCAL_DATA_PATH "$(pwd)/git_ignore_folder/ds_data"
dotenv set DS_CODER_ON_WHOLE_PIPELINE True
dotenv set DS_IF_USING_MLE_DATA True
dotenv set DS_SAMPLE_DATA_BY_LLM True
dotenv set DS_SCEN rdagent.scenarios.data_science.scen.KaggleScen

rdagent data_science --competition tabular-playground-series-dec-2021

6.6 LLM 微调（FT-Agent）

# 运行前需配置 FT_TARGET_BENCHMARK 与 FT_BENCHMARK_DESCRIPTION
rdagent llm_finetune --base-model Qwen/Qwen2.5-7B-Instruct

完整的基准说明、数据集注意事项和示例见仓库 rdagent/app/finetune/llm/README.md。

七、监控运行结果：两个 UI

RD-Agent 有两个界面，分工不同，不要混用。

7.1 Streamlit UI

查看运行日志，data_science 场景目前只能用它看：

rdagent ui --port 19899 --log-dir log/ --data-science

--data-science 设为 True 时展示数据科学场景日志，否则设为 False。

7.2 Web UI

web/ 目录下是独立的前端，配合 Flask 后端 server_ui 使用，支持实时交互和轨迹查看（暂不支持 data_science 场景）：

cd web
npm install
npm run build:flask   # 构建静态资源到 server_ui 默认目录

rdagent server_ui --port 19899
# 访问 http://127.0.0.1:19899

安全机制要知道四条：

1. 默认只绑 127.0.0.1，无需认证 token，进程控制、上传、轨迹 API 仅本机可访问；
2. 远程访问必须显式配置 token，服务器拒绝在未设 token 时绑定非本地地址：

export UI_SERVER_AUTH_TOKEN='<a-long-random-token>'
rdagent server_ui --port 19899 --host 0.0.0.0

浏览器首次用 http://<server-host>:19899/?token=<token> 建立会话，token 随后存入 HTTP-only cookie；API 客户端改用 Authorization: Bearer <token> 请求头。公网暴露时官方建议套 HTTPS 反向代理，并避免在代理日志里记录带 token 的查询串。

3. 上传文件与轨迹目录隔离：上传目录（UI_UPLOAD_FOLDER，默认 ./git_ignore_folder/uploads）里的文件不会被当作持久化轨迹反序列化；.dill、.pickle、.pkl、.py、.pyc、.pyo 结尾的上传文件直接拒绝；
4. 旧版 pickle 轨迹默认不加载（pickle 反序列化可执行代码），确需加载受信任的历史轨迹时显式开启 UI_LOAD_LEGACY_PICKLE_TRACES=true。

常用存储相关环境变量：

端口 19899 是示例默认值，启动前建议用 rdagent health_check --no-check-env --no-check-docker 确认未被占用。

八、推荐做法

九、常见问题

Q1: RD-Agent 支持 Windows 或 macOS 吗？

不支持，官方明确仅支持 Linux。Windows 用户可用 WSL2，macOS 用户可用远程 Linux 环境，但官方只对 Linux 提供支持承诺。

Q2: 如何选择 LLM 后端？

默认 LiteLLM 后端，同一套 .env 写法适配 OpenAI、Azure、DeepSeek、SiliconFlow 等提供商。如果模型的回复带 <think> 标签，记得设 REASONING_THINK_RM=True。

Q3: MLE-Bench 上 RD-Agent 的优势来自哪里？

R/D 分工让"提出想法"和"实现想法"各自演化，配合从真实反馈中改进的知识库。o3+GPT-4.1 组合还证明了研究端与开发端可以按能力需求分别选型，兼顾分数与成本。

Q4: RD-Agent(Q) 的成本与效果如何？

官方实验口径：低于 $10 的模型调用成本，ARR 相比基准因子库高约 2 倍，因子数量减少 70% 以上，并在更小资源预算下超越 SOTA 深度时序模型。实验结论，非收益承诺。

Q5: Streamlit UI 和 Web UI 用哪个？

看 data_science 场景日志用 Streamlit（rdagent ui --data-science）；需要实时交互和轨迹查看用 Web UI（rdagent server_ui），后者暂不支持 data_science 场景。

十、项目信息

项目论文谱系还包括早期方法论工作《Towards Data-Centric Automatic R&D》（arXiv:2404.11276）与《Collaborative Evolving Strategy for Automatic Data-Centric Development》（arXiv:2407.18690），以及入选 ACL 2026 Findings 的《Reasoning as Gradient》（arXiv:2603.01692）。

相关链接

💻 GitHub：microsoft/RD-Agent

🖥️ 在线演示：rdagent.azurewebsites.net

📖 文档：rdagent.readthedocs.io

📄 技术报告：RD-Agent Tech Report

🎥 演示视频：YouTube 播放列表

💬 社区：Discord | 微信群二维码（issue #880）

📦 成功案例轨迹：demo_traces.zip（官方 Live Demo 展示的 5 条执行轨迹，可用 rdagent ui 回放）

自测题

问题 1：RD-Agent 把研发过程拆成了哪两个组件？各自负责什么？

问题 2：o3(R)+GPT-4.1(D) 这个组合的设计目标是什么？

问题 3：RD-Agent(Q) 的"交替因子-模型优化"是什么意思？

问题 4：部署前需要确认哪三件事？

问题 5：Web UI 绑定到 0.0.0.0 前必须做什么？

练习

练习 1：完成一次健康检查

任务：在 Linux 机器上装好 RD-Agent，让 rdagent health_check 全部通过。

提示：先确认 Docker 免 sudo 可用（docker run hello-world），再用 conda 建 Python 3.10 环境装包，health_check --no-check-env 通过后配置 .env，最后不带参数跑 health_check 验证模型配置。三项分别对应环境变量、Docker、端口。

练习 2：跑通一轮因子进化并回放

任务：配置好模型后运行 rdagent fin_factor，观察至少两轮假设-实现-反馈循环，再用 rdagent ui 回放日志。

提示：重点观察两件事——R 侧第二轮的假设有没有引用第一轮的回测反馈；D 侧实现失败时代码是如何被修正的。这两处是 RD 循环区别于"单次代码生成"的关键。

练习 3：为 DeepSeek 配置可运行的 .env

任务：只用 DeepSeek 官方 API 和 SiliconFlow，写出能通过 health_check 的完整配置。

提示：两个易错点——CHAT_MODEL 需要 deepseek/ 前缀；DeepSeek 没有嵌入模型，embedding 必须走 litellm_proxy 前缀的第三方服务。完整模板见本文 5.4 节。

进阶路径

1. 读总技术报告：arXiv:2505.14738 覆盖整体框架设计与 MLE-Bench 实验细节
2. 深入量化场景：R&D-Agent-Quant 论文 + 复现文档
3. 尝试 FT-Agent：按仓库 rdagent/app/finetune/llm/README.md 做基准驱动的 LLM 微调实验
4. 跟进 Kaggle 场景：官方 Roadmap 显示这是当前重点开发方向
5. 扩展新场景：参照 rdagent/scenarios/ 现有实现，配合开发文档接入新的数据驱动场景
6. 参与贡献：从 CONTRIBUTING.md 入手，或在代码库里 grep -r "TODO:" 找切入点；提交前确认通过 CI 检查

资料口径说明

1. 信息来源：本文基于 microsoft/RD-Agent 仓库 README、docs/ 文档、rdagent/app/cli.py 源码与官方论文
2. 数据口径：Stars、Forks、提交数、语言占比为 2026-09-23 通过 GitHub API 核对的读数，会随时间变化；最新发布版本以 Releases 页为准
3. 性能数据：MLE-Bench 成绩与 RD-Agent(Q) 实验结果均转述自官方 README 与论文，为研究环境下的测量值，不构成对实际效果的承诺
4. 投资边界：按官方 Legal Disclaimer，RD-Agent 面向金融研发流程，不构成投资建议，未达到可直接用于金融投资的就绪度
5. 更新记录：本文初稿写于 2026-04-01，2026-09-23 对照 main 分支（v0.8.0 之后）全面核对更新，覆盖 Web UI 安全机制、FT-Agent、Agent² RL-Bench 等新增内容