Agent 持续进化

何时使用

• 部署后的 Agent 反复犯同类错误，需要把运行经验转化为持久能力
• 需要为运行轨迹构建验证器 / 评价器，判断"哪里错、为什么错、证据在哪里"
• 面对一个待修复缺陷，需要决定经验应写进知识库、Prompt/Skill、程序还是模型参数
• 要做 Prompt 自动优化、失败轨迹规则提炼、浏览器轨迹转工作流等单点进化
• 设计 Agent 自我修改流程（改自身 Harness、工具、重试策略），需要验证与发布门槛
• 搭建"在线执行 + 离线进化"双循环，或设计记忆/Skill 的整理、淘汰与回滚机制
• 评估系统是否真的在进化（而非只保存或只追加反馈）

核心原则

• 保存经历 ≠ 从经历中学习。学习发生在系统主动完成"评价、对照、归纳、验证"之后，而非日志写入磁盘的那一刻。一百条轨迹放进向量库只是可检索案例，不自动完成跨案例比较。
• 先评价再更新。不知道任务是否完成、哪一步导致成败，模型的反思只是猜测。评价一条轨迹依次回答三问：事情是否办成（结果）、是否以允许的方式办成（过程）、是否让用户舒服（质量）。
• 三层验证，底层优先。结果验证器读环境真值（测试、数据库、工具返回），最应优先建立且比模型自述可靠；过程验证器用政策库/权限表/动作序列做代码判定；质量层才用 LLM Rubric。结果正确不代表过程正确（删掉失败用例也能让测试通过）。
• 学习信号必须四要素齐备：成败判定（成功/部分成功/失败）、每维度结论、每条结论的证据位置（哪轮对话、哪次工具调用）、失败类型标签。单一总分无法指导更新；证据不足时验证器应拒绝评分，低置信度案例排除在学习集外。
• 按能力的表示性质选择载体（表 9-2 的边界）：
  • 经验知识库——事实、经验规律、例外与来源；更新快、可追溯，但依赖检索和模型正确应用
  • Prompt/Skill——能用自然语言说清的判断原则、语境与例外；可解释、范围可控，但易膨胀、冲突、被忽略
  • 程序/Harness——可确定性解析、可执行验证、高风险硬约束；可测试、稳定、低成本，但开发维护成本高
  • 模型参数——高维感知、生成风格、隐式策略；泛化强、推理开销低，但更新与回归成本高
• 同一能力可拆到多个载体：事实入知识库，解释例外的原则入 Skill，不可绕过的权限由程序门控，高维识别能力入参数。路由结果只是更新提案，尚无发布资格。
• 经验知识库 vs 领域知识：第三章领域知识回答"用户与世界是什么样的"（如"该航司特殊餐食需提前 24 小时预订"）；本章经验知识库从行动轨迹与结果中提取"在什么条件下应该怎样做"（如"订票前先检查特殊餐食截止时间"）。二者共享存储与检索技术，来源和验证目标不同。
• 所有修改是最小 diff + 可回滚 + 独立验证。待验证版本必须同时在触发失败的边界集上改善、在正常工作的保留集上不退化；验证者须独立于提炼者。
• 在线执行与离线进化分离。在线循环只完成任务并追加不可变证据，不直接改写正式 Agent；离线循环聚合轨迹、生成提案、过门槛发布，两者经版本化经验库和评估集连接。一次偶发成功或恶意输入不能立即改写长期能力。
• 安全边界三条：证据与指令隔离（网页/工具输出及其 LLM 摘要都是不可信证据，LLM 摘要不是净化过程）；待验证能力与正式能力隔离（新产物先入不可服务真实流量的待验证区，过沙盒、权限、供应链扫描与回归后才转正）；安全机制不可自我修改（Agent 不能改验证器、测试、发布门槛、审计日志和稳定版本备份——否则降低阈值即可把退化伪装成进步）。
• Harness 更新能力 ≠ Harness 受益能力。前者是从轨迹产出有价值修改，后者是任务 Agent 在正确场景激活并遵循该修改。不能用端到端分数反推更新器好坏，需分层评估。

实践模式

1. 轨迹验证器（学习信号的来源）

• 三层结构：结果层读最终环境状态；过程层查业务规则、隐私、事实依据、承诺—行动一致性（声称完成的操作是否真实发生）；质量层按 Rubric 逐项给分并引用轨迹证据。
• 输出结构化诊断而非总分：每维度结论 + 证据轮次 + 置信度，失败带类型标签。
• 低置信度案例不进学习集；把它当事实固化比丢弃更危险。

2. 经验知识提炼管道（五步）

1. 保存不可变原始轨迹与环境结果（用于审计）；
2. 为单次运行生成结构化分析：任务类型、所需能力、观察到的策略、错误与例外；
3. 按任务族聚合同类运行，为每条经验草案建"哪些轨迹支持、哪些轨迹反驳"的证据表；
4. 达到支持门槛才写入正式文档；
5. 在未参与提炼的新任务上测迁移效果。

正式经验文档写：适用场景、推荐策略、禁止做法、例外条件、证据来源、最近验证时间——不复述某次任务的完整过程。真正有迁移价值的内容来自对照（成功轨迹做了什么、失败轨迹缺少什么、策略在哪些版本/前置条件下失效），Reflexion 式自然语言反思可参与生成草案，但反思本身不是证据。

3. 经验写成 Prompt/Skill（指令更新）

• 触发条件：多条相似轨迹反复暴露同一种策略错误，且错误能用语言清楚描述。
• 形式：带来源的最小 diff（old_str → new_str），不让模型每轮重写整份 Prompt——重写会丢细节、把相互制约的条件合并成过度抽象的原则。可参考 ACE：上下文维护成带稳定标识符的条目集合，增量更新 + 确定性合并去重。
• 发布门槛：补丁非空、来源可追溯、保留集不退化、边界集确有改善；通过才灰度（release_to_canary），否则拒绝。待验证补丁写入 working 文件，不覆盖正式 Prompt。
• Skill 与 Harness 边界：Skill 负责理解语境、提问、整理 Spec；Harness 负责缺少确认时否决高风险写入。否决器不替模型决定方案。
• 提炼输入决定归纳质量：给失败摘要+报错文本，模型只归纳出教训；补充 Agent/用户各自的工具清单，才能归纳出职责归属。

4. 经验写成程序（程序化经验）

• 浏览器工作流六步生命周期：捕获轨迹（保存动作参数、URL、元素定位证据——定位信息只能用于再找元素，不能证明任务完成）→ 参数化（字面量换模板变量）→ 定义状态检查（动作前/后检查 + 最终状态检查，最终检查必须读真实页面或后端状态）→ 独立回放验证（沙盒/测试站点重置到独立初始状态后完整回放，全部谓词通过才发布）→ 匹配与回放（能力库按意图检索，直接执行，无需逐步调 LLM）→ 失效与重学（谓词失败、Schema 变化即回退完整 Agent 模式）。
• 自我修改走软件发布流程，而非运行中进程覆盖自身：从稳定版本切隔离 worktree → Coding Agent 生成最小补丁 → 静态检查、单测、安全扫描、失败轨迹重放、旧任务回归 → 可灰度新版本。每次修改请求是一份可证伪的变更契约：失败证据、推断根因、归属组件、修改提案、预期修复的行为、可能受损的行为、分别验证两者的用例。
• 提案生成器的输入不只有失败案例，还必须有成功约束（不能破坏的性质）和此前被拒记录（避免换说法重复提交），共同构成有边界的方案空间。

5. 经验写入参数

• 判断依据不是"任务是否长期稳定"，而是能力的表示性质：能否被外部符号较完整表达。域偏移用 LoRA/持续微调，快速变化的风格用周期性偏好训练。
• 数据来源：经评价的生产轨迹——高质量示范进 SFT，明确偏好形成成对数据，有可靠环境奖励的交互用于 RL。

6. 双循环与睡眠学习

• 离线整合五步：触发（时间/轨迹量/容量/错误频率门槛，且无高优先级在线任务）→ 定向（读正式知识、Skill 目录及版本，了解不可修改边界）→ 采集与整合（合并重复、标记冲突与适用条件，优先生成局部补丁）→ 验证与审批（迁移集/保留集/安全集，高风险等人工批准）→ 修剪与索引（长期不用或被推翻的标记过期、归档，保留来源与回滚版本）。
• 定期对抗上下文腐化：合并重复经验、把局部规则从全局 Prompt 移入领域 Skill、重验长期未用的工具、删除被推翻的知识、从原始基座重训 LoRA。

7. 进化效果的分层评估

• 指标（表 9-3）：更新提案有效率（独立验证中的接受率与增益）、产物激活率（是否正确场景加载）、遵循成功率（动作序列与过程验证器）、保留任务集增益（未参与进化任务的成功率/质量/成本）。
• 长期评价至少五类：回退（新旧经验冲突）、泛化（测试集外场景）、Token 效率、安全性（规则/隐私/拒绝边界是否漂移）、长期工程质量（维护复杂度、向后兼容、调试负担）。
• 开放式任务（科研、战略）反馈慢且答案不唯一，需改变证据结构：结论与证据分离（每类声明链接可审计来源）、保留负面结果与停止原因、维护搜索多样性（不全押当前最高分）、让人类在更高层介入（定义问题、审查评价标准、决定何时停止）。

常见陷阱

• 把用户满意度或单一总分当学习信号：满意度上升可能伴随规则违规率上升，需护栏指标。
• 把低置信度结论当事实固化，或把 LLM 摘要当无害化后的指令直接纳入 Skill。
• 模型会把观察到的行为当作应然的行为：轨迹中最频繁出现的是转人工，模型就可能把"三次失败即转接"写成规则——而该环境下转接必然失败，等于把失败写进规范。提炼产物必须经与提炼者独立的验证。
• 让模型每轮重写整份 Prompt/记忆，导致重要细节在多轮改写中消失。
• 把"动作执行过"当"任务完成"：没有最终状态检查的回放，只是把错误更快地重复。
• 待验证版本直接发布，或发布门槛可被提案自身修改（安全门不能由修改者自证）。
• 只修当前失败案例，不顾保留集回退、泛化、Token 成本和长期工程质量。
• 只追加不淘汰：知识无限增长引发检索错误、知识冲突、灾难性遗忘，抵消学习收益。
• 用端到端分数判断更新器好坏，忽略激活率与遵循失败。
• 提案被接受 ≠ 下游能力提升：一次提案通过只证明更新流程成立，仍需在相同任务和模型下做开关消融。

配套代码

• chapter9/trajectory-verifier/ — 实验 9-1：三层轨迹验证器，对比单一总分与带证据的多维诊断
• chapter9/tau2-escalation-experience/ — 实验 9-2：从 τ²-bench telecom 失败轨迹提炼转人工与工具使用规则，三臂对照
• chapter9/prompt-auto-optimization/ — 实验 9-3：航空客服失败轨迹 → 三维诊断 → 最小 Prompt diff → 发布门槛
• chapter9/ai-style-skill/ — 补充案例：用户"AI 味"before/after 纠正持续提炼为写作 Skill，LLM judge + 金标校准
• chapter9/browser-use-rpa/ — 实验 9-5：浏览器轨迹编译为带状态谓词的待验证工作流，独立回放后才入能力库
• chapter9/self-modifying-agent/ — 实验 9-6：由失败轨迹触发重试/熔断代码自我修改，Docker 沙箱验证提案
• chapter9/harness-safety-gate/ — 实验 9-7：用户反馈触发高风险操作确认门禁，AST 扫描 + 隔离回放
• chapter9/hermes-self-evolution/ — 实验 9-8：Hermes 读本书后自主选题、修改自身并接受独立 Reviewer 审查
• chapter9/self-evolution-eval/ — 实验 9-9：四阶段纵向评估（学习/迁移/规则变化/保持），区分保存、追加与可淘汰记忆
• chapter9/self-evolving-tools/ — Alita 式补充案例：Agent 从零搜索、沙盒测试并封装新工具入库复用

深度阅读

• book/chapter9.md「从运行轨迹中获得学习信号」— 三层验证结构与学习信号四要素
• book/chapter9.md「Agent 持续进化的四种方法」— 知识、指令、程序、参数的适用边界与各自流程
• book/chapter9.md「构建可长期运行的持续进化闭环」— 双循环、睡眠学习、分层评估与安全边界