Agent Evolution：受控改进闭环
Freshness metadata
last_verified:2026-08-24version_scope:2026 agent-improvement architecturesource_type:primary-paper + official-repository + engineering synthesisstability:version-sensitive
Agent Evolution 指系统根据运行证据生成并筛选可版本化更新。它不等同于保存一次对话，也不意味着系统在生产中直接改写自己。
flowchart LR
R[Run] --> T[Trace]
T --> F[Feedback]
F --> E[Evaluation]
E --> C[Candidate Update]
C --> G[Regression Test]
G --> A{{Accept / Reject}}
A -->|accept| V[Version]
A -->|reject| X[Discard]
V --> S[Sandbox/Canary]
S --> B[Rollback Point]
四类更新
- Context / Memory Evolution：selection policy、summary、memory write/retrieval/forgetting；
- Skill Evolution：新增/修改能力说明、脚本、examples、tests；
- Workflow / Program Evolution：planner、routing、tool policy、代码或 DAG；
- Model / Parameter Evolution：SFT、preference optimization、RL 或 tool-use training。
每类都要求 evaluator 与待更新组件隔离、候选有版本、在 sandbox 运行、明确 permission owner、回归集与 rollback。生产 trace 只能作为候选数据源，不能直接成为可信指令。
Self-Evolution 与 Memory 的区别
Memory 更新的是任务/用户状态；Evolution 更新的是系统行为组件。读取“用户偏好 Java”是 memory；根据失败样本修改 tool schema 或 skill 是 evolution。二者都需 provenance，但审批、测试和发布流程不同。