第 8 章 · Agent 的持续进化

从运行轨迹中获得可靠信号，把经验转化为可验证、可回滚的能力更新

← 返回主目录 · 📖 读本章正文

如何阅读实验

正文用 skeleton 说明验证、载体选择、候选发布/回滚和睡眠学习；项目代码按三层阅读：

• Starter：从 trajectory-verifier 运行离线样例，先看三层 verifier 和证据输出；
• Builder：再看 self-modifying-agent 的提案—回归—灰度—回滚循环，以及 prompt-auto-optimization 的最小 diff；
• Maintainer：检查安全可信根、边界/保留/安全集、版本淘汰和 validation/latest.json。首次可跳过 provider 与 UI 适配。

配套实验

编号	项目	类型	一句话说明
8-1	trajectory-verifier	✅	实验 8-1：28 条真实客服调用、8 次 Judge 调用与 8 条专家标注样本已通过验收；证据同时记录关键违规稳定性主张未复现
8-2	gaia-experience	✅	实验 8-2：真实 GAIA 三组轨迹与知识文档对照已验收；证据记录知识文档组仅 25%、两控制组均 50% 的负结果
8-3	prompt-auto-optimization	✅	实验 8-3：真实任务 Agent、LLM Judge 与 Coding Agent 跑完初始/自动/人工三组完整保留集和边界集；原始回执与发布门槛已保存
8-4	正文对照实验	🚧	从用户反馈中进化“需求澄清 + Spec 确认”Skill；正文给出三臂 A/B 设计、指标和发布门槛，配套实现待补充
8-5	browser-use-rpa	✅	实验 8-5：真实 ARK Agent + Chromium 在可重置本地消息站完成探索、独立验证、参数化回放、假成功对照与页面变化失效
8-6	self-modifying-agent	✅	实验 8-6：真实 Coding Agent 从重复故障生成补丁，并与确定性提案、故意过宽的反例通过同一回归/灰度/回滚发布门；证据保留接受与拒绝历史
8-7	harness-safety-gate	✅	实验 8-7：用户纠正/点踩/事后审计触发“高风险调用确认门禁”提案，经 AST 静态检查、未完成任务回放和正常操作回放；确定性提案通过，真实 gpt-4o-mini 提案因检查失败被安全拒绝，整体验收通过
8-8	hermes-self-evolution	📖	实验 8-8：把整本书和源码交给 Hermes；它读完后选择一项改进，亲手修改自己，并把每次 Reviewer 的退回变成下一轮学习，直到通过
8-9	self-evolution-eval	✅	实验 8-9：static、append-only、evolving 三臂 × 3 seeds × 14 任务共 126 次真实调用；证据保留迁移、规则替换、保持与配对统计

除仍处于设计阶段的实验 8-4 外，其余带项目链接的实验都保留无需 API Key 的离线入口和单元测试用于预检；表中 ✅ 来自各目录保存的真实模型、真实轨迹或真实浏览器规范证据，不由离线机制演示代替。历史数值或定性主张未复现时，证据按负结果如实记录。

证据完整性边界：8-6、8-9 的 canonical evidence 与 latest.json 都有独立 SHA-256 sidecar，当前复算一致；8-5 对三个关键浏览器产物保存并核对了 hash。 8-1、8-2、8-3 的 latest.json 虽与各自真实 run 的 evidence.json 字节一致， 但没有顶层 evidence/source hash manifest，因此可审计强度低于 8-6、8-9， 不能把提交时存在的 JSON 等同于运行时源码已被固定。

补充案例

编号	项目	关系
7-8	prompt-distillation	Prompt 蒸馏与参数化学习的跨章项目；训练方法归入第七章
—	self-evolving-tools	Alita 式工具发现、封装与复用，是“将经验写成程序”的补充案例
—	ai-style-skill	写作型 Skill 的补充实验：把“去 AI 味”反馈提炼为可检查规则；正文示例移至第二章，自动更新管道和验收数据保留在项目 README

项目类型说明

图标	类型	含义
✅	可独立运行	本仓库自带完整代码，配置好 API Key 即可运行
📖	复现指南	依赖需自行 git clone 的外部仓库（训练框架、评测基准等）
🚧	进行中	已有实现，但真实数据、真实环境或纵向验收证据尚未完整