大家都在讨论 AGI 的递归自我改进——AI 改进自己，变得更强，再改进自己。
但其实，代码的递归自我改进，现在就能实现。不需要等 AGI 。
原理很简单：
AI Agent 写代码 → 代码进入代码库 → 下次会话 AI 读这些代码作为上下文 → 代码质量决定 AI 下次写得好不好
如果有一个传感器能测量代码结构质量，告诉 AI 分数：
- AI 看到分数 → 知道要改进 → 改进代码 → 分数上升
- 分数上升 → 代码库更清晰 → AI 下次读到更好的上下文 → 写出更好的代码
- 循环。每次迭代都在变好。
这就是递归自我改进。不是改进模型本身，是改进模型工作的环境。
我用 Rust 写了 sentrux ，就是这个传感器：
- tree-sitter 扫描（ 52 种语言）
- 5 个根因指标 → 一个质量分（ 0-10000 ）
- MCP 接入 Claude Code ，Agent 直接能看到分数
- 几何平均值聚合（ Nash 定理）——没法刷分，只有真正改善架构才能提分
实测：Claude Code Opus 4.6 从零构建 FastAPI 项目，初始分 2627 ，经过反馈循环迭代后到 6772 。不是因为模型变了——是因为有了传感器。
纯 Rust ，单文件，MIT 开源。
GitHub: https://github.com/sentrux/sentrux
欢迎讨论。