HALO

HALO 是一个基于递归语言模型（RLM）的自动化代理优化框架，用于构建可自我迭代改进的智能体运行时系统。其核心功能是通过采集 OpenTelemetry 兼容的执行轨迹，利用 RLM 分析共性失败模式并生成修复建议，再交由编码代理自动修改代理运行时代码，形成闭环优化。技术特点包括轨迹驱动的问题发现、分层代理架构支持、与主流编码代理（如 Claude Code）集成、轻量级 Python 引擎实现。适用于生产环境中高并发、多变场景下的智能体稳定性调优与长期演进维护。