自进化Agent的三层分类框架
青稞AI · wechat · 2026-07-12
这篇文章围绕 **Self-evolving Agents（自进化 Agent）** 做了一个分类框架，试图澄清一系列容易混用的概念：self-evolving、self-improving、continual learning、test-time training 等到底有什么区别。 文章提出三个关键层次：**Models / Harness / Artifacts**。其中，模型负责推理；Harness 包括循环、记忆、工具和 skill 等代理周边组件；Artifacts 则是 Agent 产出的结果，例如发现的算法、论文、机器人策略等。作者认为，近期很多“自进化”系统其实主要是在做 Artifact 的迭代优化，典型如编码 Agent 驱动的科学与算法发现。 随后文章把“Agent 自改进”单独拎出来，讨论如何在**不更新模型权重**的情况下，通过提示、记忆、工具与 skill 让系统持续变强；并进一步讨论多 Agent 路由、专家分工与上下文管理。最后，文章也把“没有黄金答案的模型学习”单列出来，涉及自训练、自博弈、RL、测试时训练与持续学习等方向，强调这类工作本质上是更新模型参数，而不只是改进 Harness。