当讨论递归自我改进（RSI）时，常在现象、机制或前景之间摇摆。为实现自主且可演化的智能，RSI 在不同层面被宣称，但缺乏统一的形式描述。其在经典领域的对应是迭代策略改进，已被广义策略迭代（GPI）框架所覆盖，前提是更新原则和评估基准位于代理之外。本文提出广义代理迭代（GAI），将迭代策略改进和 RSI 视为同一学习范式的两种情形。GAI 将代理定义为系统中可修改的组件集合，并将学习过程建模为“代理评估 → 代理改进”的循环。两个关键开关决定具体实例：改进机制是否属于代理本身，以及衡量标准是否来源于外部。第一个开关划分 GPI 与 RSI 的边界，第二个开关决定系统的极性——锚定型、目标漂移型或完全自指型。利用这两条坐标轴，我们可以将已有系统统一定位，并逐条陈述递归自我改进的缺陷。本文视为在经典框架基础上，对 RSI 进行形式化刻画的第一步，为比较现有系统、分析设计新系统提供原则性依据。
点评：GAI 为 RSI 提供了清晰的分类坐标，有助于理论分析和系统设计的系统化推进。