当 Claude、GPT、Qwen 等头部 LLM 的迭代周期从年压缩到月甚至周时一个核心问题浮出水面如何科学、可控地实现 Skill 的自进化2025-2026 年的答案已经清晰——用可验证的自动化评估体系替代人力标注让数据飞轮真正转动起来。一、为什么 Skill 需要自我演进2026 年初Anthropic 发布了一系列关于 Agent Skills 的博客文章背后隐藏着一个行业共识Agent 的最终效果与 Skill 的质量有着极高的相关度。但现实是残酷的。传统的 Skill 开发流程是这样的工程师手动编写 SKILL.md → 在真实任务上测试 → 发现失败案例 → 人工分析根因 → 修改 Skill 定义 → 重新测试……这个循环的问题在于迭代速度完全依赖人力。如果每次迭代都需要大量人工标注或主观评估迭代周期就会被无限拉长。更关键的是随着 Agent 应用场景的复杂化Skill 的数量呈指数级增长。一个企业级 Agent 可能需要数百个 Skill 来覆盖不同场景。靠人脑去维护这些 Skill注定是不可持续的。于是2025-2026 年出现了一个明确的趋势把 Skill 优化对标为模型训练过程用自动化、可验证的方式实现 Skill 的自我演进。传统人工调优 vs 自动化自我演进的效率对比二、EvoSkill自验证式进化的开山之作2.1 核心思想EvoSkill 是由阿里技术团队提出的 Skill 自进化框架其核心洞察非常直接用执行结果的正确性作为验证标尺让 Agent 自己产生训练数据。整个流程可以概括为四个阶段初始 Skill S₀ → 轨迹生成 → 正负样本分离 → 并行提案 → 合并更新2.2 轨迹生成并行的力量给定一份初始 Skill可以是人工编写的也可以是模型生成的初始草稿让 Agent 通过 ReAct 方式在一批用户任务上运行产生大量的执行轨迹。这个过程完全可以并行。在实践中使用一个 122B 参数的 LLM 生成 200 条包含 50 个轮次的 Agent 轨迹所需时间不到两个小时。2.3 正负样本分离分层的基础根据执行结果是否正确将轨迹严格划分为成功集 T⁺和失败集 T⁻。这种分层为后续的差异化分析奠定了基础。关键点在于成功的案例通常比较容易识别和分析而失败的原因千奇百怪。因此EvoSkill 采用了不对称的角色设计策略。2.4 并行提案Trace2Skill 的创新这是 EvoSkill 非常创新性的部分。它不再让一个 LLM 处理所有信息而是为每一条轨迹独立分配一个 Sub-Agent 的分析师输出一个针对该轨迹的补丁提案Patch Proposal。Success Analyst (A⁺) - 成功经验提取机制针对成功集 T⁺进行分析一次性调用 LLM逻辑成功的案例通常比较容易识别和分析。分析师只需清理轨迹噪声提取出可泛化的成功行为模式直接写成补丁即可特点高效、低成本因为成功路径往往具有较高的一致性Error Analyst (A⁻) - 失败根因挖掘机制针对失败集 T⁻进行分析采用 ReAct 多轮循环推理逻辑失败的原因千奇百怪单次 LLM 调用极易产生幻觉或误判。因此A⁻需要能够读取输入输出文件、对比 Ground Truth并通过迭代验证假设来寻找真正的根因写成补丁质量门控如果经过多轮推理仍无法找到明确根因该条轨迹会被直接丢弃。这确保了进入下一阶段的都是高质量、有明确改进方向的反馈隔离性所有分析师都基于同一份冻结的初始 Skill S₀进行分析互不干扰。这种设计保留了观察的多样性避免了早期错误观点的相互污染2.5 合并更新棘轮效应所有补丁提案生成后系统会进行冲突检测、优先级排序最终合并成新的 Skill 版本 S₁。这里有一个关键设计棘轮保证有效基线单调不降。也就是说新 Skill 的总分必须高于当前最优才能保留否则回滚。这种机制保证了 Skill 的进化方向始终是向前的。三、SkillOpt微软的硬核路线如果说 EvoSkill 是通过自验证式和优胜劣汰来进化那么 SkillOpt 则走了一条更硬核的路线它将 Skill 的优化过程直接对标为 LLM 的参数训练过程。SkillOpt 是由微软公司联合上海交大、同济、复旦等多所高校一起提出的 Skill 优化新范式论文标题叫做《SkillOpt: Executive Strategy for Self-Evolving Agent Skills》。3.1 核心理念Skill 是外部可训练参数。就像模型权重可以通过梯度下降优化一样Skill 的定义也可以通过类似的过程持续改进。SkillOpt 的核心贡献在于提出了一套标准化的优化流程Evaluate → Improve → Validate → Confirm → Keep or Revert3.2 八维 Rubric结构 效果的量化评估SkillOpt 提出了一个九维评估框架实际常用八维把 Skill 的质量拆解为多个维度结构侧维度完整性是否覆盖了必要的内容模块清晰度指令是否明确无歧义可维护性代码和文档是否易于理解修改效果侧维度准确性输出是否符合预期鲁棒性对边界情况的处理能力效率执行速度和资源消耗实测表现在真实任务上的综合评分权重最高其中「实测表现」在效果维度里权重最高这意味着任何理论上的优化都必须经过真实任务的检验。3.3 双重评估机制SkillOpt 的一个关键创新是双重评估结构侧偏静态分析检查 SKILL.md 的格式、完整性、一致性效果侧要在测试提示上跑起来看输出实际执行任务验证功能这种设计避免了纸上谈兵式的优化确保每一次改动都有实际效果支撑。3.4 人在回路谨慎的自动化尽管 SkillOpt 追求高度自动化但它仍然保留了人在回路的 checkpoints阶段之间暂停展示 diff 与分数变化后再继续独立评分用子 Agent 打分减轻「自改自评」的偏差单一可编辑资产一次只改一个待优化的 SKILL.md这种设计体现了工程上的审慎自动化加速迭代但人类把控方向。SkillOpt 的 Evaluate → Improve → Validate → Confirm → Keep or Revert 五步闭环四、SAGE强化学习的 Skill 进化除了 EvoSkill 和 SkillOpt2025-2026 年还有一个重要的研究方向是用强化学习RL驱动 Skill 进化。4.1 SAGE 的基本架构SAGESkill Augmented GRPO for Self-Evolution于 2025 年 12 月提出2026 年 3 月修订。它形式化了 Skill 进化的模式使用Sequential Rollout来迭代部署 Agent across chains of similar tasks。核心流程Agents write reusable functionsTest them against validation casesSave working ones to a persistent library4.2 复利效应SAGE 的结果展示了 Skill 积累的复利效应8.9% Scenario Goal Completion场景目标完成率提升-59% output tokens输出 token 数减少近六成token 的减少尤其重要因为它意味着 Agent 在解决问题时越来越高效而不仅仅是越来越准确。4.3 Self-Play 范式2025-2026 年最热的范式之一是Agent 通过 self-play 生成自己的训练数据。SWE-RLMeta Superintelligence Labs2025 年 12 月训练单个 LLM 交替扮演 bug injector 和 solver 两个角色Agent 引入真实代码库中的 bug然后训练自己修复它们不需要人工标注的问题或预存在的测试用例在 SWE-bench Verified 上达到 10.4 分提升在 SWE-bench Pro 上达到 7.8 分提升使用 32B 参数 backbone在 NVIDIA H100 GPU 上训练Multi-Agent Evolve (MAE)2025 年 10 月三个协同进化的 AgentProposer、Solver、Judge从单个 LLM 实例化Proposer 生成问题Solver 尝试解决方案Judge 评估两者在 Qwen2.5-3B-Instruct 上实现了跨多个基准的平均 4.54% 提升无需任何人工监督五、运行时自演化JiuwenClaw 的实践除了离线批量优化还有一些项目探索了运行时技能自演化的可能性。5.1 JiuwenClaw 的设计哲学JiuwenClaw 面向长期陪伴式使用的标语是“Understands You. Evolves With You”。Autonomous Evolution 即在不满或执行出错时依反馈持续改进相关技能。5.2 技术实现实现上依靠以下组件SkillCallOperator统领读写与合并SignalDetector基于规则、不调用 LLM监视工具结果与用户措辞里的纠错线索SkillEvolutionManager编排扫描与生成SkillOptimizer在需要改动时调用 LLM 写出演进条目5.3 增量更新机制每条技能在 workspace 下自有目录典型路径形如~/.jiuwenclaw/workspace/agent/skills//。演进记录先写入evolutions.json再在合适时机 solidify 合并回SKILL.md。也可以/evolve命令手动触发。失败类信号偏向写入 Troubleshooting 一类小节用户纠正则更常被整理成 Examples。JiuwenClaw项目概览与运行时技能自演化语境六、方法论对比如何选择框架核心机制适用场景优势局限EvoSkill自验证 并行提案大规模离线优化效率高可扩展性强需要大量初始轨迹SkillOpt八维 rubric 人在回路精细化迭代评估全面方向可控依赖人工确认节奏SAGE强化学习 Sequential Rollout长期技能积累复利效应显著计算成本高JiuwenClaw运行时增量更新个人助手场景实时响应个性化强规模有限6.1 选择建议如果你的目标是快速构建企业级 Agent 系统推荐 EvoSkill SkillOpt 组合先用 EvoSkill 快速迭代出基础版本再用 SkillOpt 精细化打磨打造长期陪伴式个人助手JiuwenClaw 的运行时演化机制更适合可以持续适应用户偏好追求极致性能SAGE 的 RL 驱动方案理论上能达到最高上限但需要投入更多计算资源七、未来展望从 Skill 进化到参数进化如果你要在自己的 Agent 项目中引入 self-evolution可以按四个阶段推进第一阶段上下文/记忆自进化目标是让 Agent 具备最基本的成长能力会记录用户偏好、会总结失败经验、会检索历史会话、会把复杂任务沉淀为操作步骤。可参考的项目是 Hermes Agent。这一阶段的重点不是把历史无限塞回 prompt而是让项目上下文、会话历史、工具状态和自引用信息逐渐形成稳定机制。第二阶段技能资产自进化当经验开始重复出现就应该从记忆层提升到技能层。技能比记忆更结构化也更容易迁移给其他 Agent。可参考的项目是 Darwin Skill。如果你已经在使用 OpenClaw、Nanobot、Hermes、Codex 或 Claude Code 这类支持SKILL.md的宿主技能资产化闭环通常是投入产出比最高的一步。第三阶段群体经验自进化当多个用户、多个设备、多个 Agent 都在积累经验时就需要一个共享层来去重、验证、合并和分发。可参考的项目包括 Ultron、OpenSpace 和 SkillClaw。这一阶段要把隐私、权限和审计提前设计进去。第四阶段参数、代码或工作流自进化只有在评估器、沙箱、版本治理和回滚机制足够成熟之后才适合尝试 OpenClaw-RL、Agent Lightning 一类把评测信号接到参数或结构化策略更新上的更重闭环。如果你只是想让个人助手更懂你可能不需要在线 RL如果你要让 Agent 在大量真实任务中优化工具使用、GUI 操作、SWE 修复或工作流选择那么参数或工作流层自修改才会逐渐变得必要。八、结语可验证性决定迭代速度不知道大家有没有发现尤其是进入 2026 年后的这几个月Claude Ops、GPT、Qwen 等头部 LLM 迭代和发布速度越来越快。之所以这些 LLM 能以月甚至以周为单位快速迭代其中一个比较核心原因就在模型效果的衡量越来越可验证。例如 AI Coding 场景代码能否跑通、单元测试是否通过这些都是验证成本较低且结果比较客观的场景。Skill 也是同理。构建一套高质量、自动化的验证评估体系才是 Agent 效果能起飞的前提。一旦验证闭环打通数据飞轮才能真正转动起来Agent 产生轨迹 → 自动化验证给出即时反馈 → 根据反馈快速调整 Skill → 新 Skill 再次进入验证循环只有在这样的模式下迭代速度才能从人力驱动转变为算力驱动实现质的飞跃。反之若缺乏可验证的标尺任何优化都可能是原地踏步甚至南辕北辙不进反退。Skill 自我演进方法论的出现标志着 Agent 开发从手工作坊时代迈向了工业化生产时代。这不仅是技术的进步更是工程范式的根本转变。未来的 Agent 开发者需要的不再是单纯的手工调优能力而是设计进化机制、搭建验证体系、把控迭代方向的能力。这才是 2026 年做 Agent 的正确姿势。
当 Claude、GPT、Qwen 等头部 LLM 的迭代周期从年压缩到月甚至周时一个核心问题浮出水面如何科学、可控地实现 Skill 的自进化2025-2026 年的答案已经清晰——用可验证的自动化评估体系替代人力标注让数据飞轮真正转动起来。一、为什么 Skill 需要自我演进2026 年初Anthropic 发布了一系列关于 Agent Skills 的博客文章背后隐藏着一个行业共识Agent 的最终效果与 Skill 的质量有着极高的相关度。但现实是残酷的。传统的 Skill 开发流程是这样的工程师手动编写 SKILL.md → 在真实任务上测试 → 发现失败案例 → 人工分析根因 → 修改 Skill 定义 → 重新测试……这个循环的问题在于迭代速度完全依赖人力。如果每次迭代都需要大量人工标注或主观评估迭代周期就会被无限拉长。更关键的是随着 Agent 应用场景的复杂化Skill 的数量呈指数级增长。一个企业级 Agent 可能需要数百个 Skill 来覆盖不同场景。靠人脑去维护这些 Skill注定是不可持续的。于是2025-2026 年出现了一个明确的趋势把 Skill 优化对标为模型训练过程用自动化、可验证的方式实现 Skill 的自我演进。传统人工调优 vs 自动化自我演进的效率对比二、EvoSkill自验证式进化的开山之作2.1 核心思想EvoSkill 是由阿里技术团队提出的 Skill 自进化框架其核心洞察非常直接用执行结果的正确性作为验证标尺让 Agent 自己产生训练数据。整个流程可以概括为四个阶段初始 Skill S₀ → 轨迹生成 → 正负样本分离 → 并行提案 → 合并更新2.2 轨迹生成并行的力量给定一份初始 Skill可以是人工编写的也可以是模型生成的初始草稿让 Agent 通过 ReAct 方式在一批用户任务上运行产生大量的执行轨迹。这个过程完全可以并行。在实践中使用一个 122B 参数的 LLM 生成 200 条包含 50 个轮次的 Agent 轨迹所需时间不到两个小时。2.3 正负样本分离分层的基础根据执行结果是否正确将轨迹严格划分为成功集 T⁺和失败集 T⁻。这种分层为后续的差异化分析奠定了基础。关键点在于成功的案例通常比较容易识别和分析而失败的原因千奇百怪。因此EvoSkill 采用了不对称的角色设计策略。2.4 并行提案Trace2Skill 的创新这是 EvoSkill 非常创新性的部分。它不再让一个 LLM 处理所有信息而是为每一条轨迹独立分配一个 Sub-Agent 的分析师输出一个针对该轨迹的补丁提案Patch Proposal。Success Analyst (A⁺) - 成功经验提取机制针对成功集 T⁺进行分析一次性调用 LLM逻辑成功的案例通常比较容易识别和分析。分析师只需清理轨迹噪声提取出可泛化的成功行为模式直接写成补丁即可特点高效、低成本因为成功路径往往具有较高的一致性Error Analyst (A⁻) - 失败根因挖掘机制针对失败集 T⁻进行分析采用 ReAct 多轮循环推理逻辑失败的原因千奇百怪单次 LLM 调用极易产生幻觉或误判。因此A⁻需要能够读取输入输出文件、对比 Ground Truth并通过迭代验证假设来寻找真正的根因写成补丁质量门控如果经过多轮推理仍无法找到明确根因该条轨迹会被直接丢弃。这确保了进入下一阶段的都是高质量、有明确改进方向的反馈隔离性所有分析师都基于同一份冻结的初始 Skill S₀进行分析互不干扰。这种设计保留了观察的多样性避免了早期错误观点的相互污染2.5 合并更新棘轮效应所有补丁提案生成后系统会进行冲突检测、优先级排序最终合并成新的 Skill 版本 S₁。这里有一个关键设计棘轮保证有效基线单调不降。也就是说新 Skill 的总分必须高于当前最优才能保留否则回滚。这种机制保证了 Skill 的进化方向始终是向前的。三、SkillOpt微软的硬核路线如果说 EvoSkill 是通过自验证式和优胜劣汰来进化那么 SkillOpt 则走了一条更硬核的路线它将 Skill 的优化过程直接对标为 LLM 的参数训练过程。SkillOpt 是由微软公司联合上海交大、同济、复旦等多所高校一起提出的 Skill 优化新范式论文标题叫做《SkillOpt: Executive Strategy for Self-Evolving Agent Skills》。3.1 核心理念Skill 是外部可训练参数。就像模型权重可以通过梯度下降优化一样Skill 的定义也可以通过类似的过程持续改进。SkillOpt 的核心贡献在于提出了一套标准化的优化流程Evaluate → Improve → Validate → Confirm → Keep or Revert3.2 八维 Rubric结构 效果的量化评估SkillOpt 提出了一个九维评估框架实际常用八维把 Skill 的质量拆解为多个维度结构侧维度完整性是否覆盖了必要的内容模块清晰度指令是否明确无歧义可维护性代码和文档是否易于理解修改效果侧维度准确性输出是否符合预期鲁棒性对边界情况的处理能力效率执行速度和资源消耗实测表现在真实任务上的综合评分权重最高其中「实测表现」在效果维度里权重最高这意味着任何理论上的优化都必须经过真实任务的检验。3.3 双重评估机制SkillOpt 的一个关键创新是双重评估结构侧偏静态分析检查 SKILL.md 的格式、完整性、一致性效果侧要在测试提示上跑起来看输出实际执行任务验证功能这种设计避免了纸上谈兵式的优化确保每一次改动都有实际效果支撑。3.4 人在回路谨慎的自动化尽管 SkillOpt 追求高度自动化但它仍然保留了人在回路的 checkpoints阶段之间暂停展示 diff 与分数变化后再继续独立评分用子 Agent 打分减轻「自改自评」的偏差单一可编辑资产一次只改一个待优化的 SKILL.md这种设计体现了工程上的审慎自动化加速迭代但人类把控方向。SkillOpt 的 Evaluate → Improve → Validate → Confirm → Keep or Revert 五步闭环四、SAGE强化学习的 Skill 进化除了 EvoSkill 和 SkillOpt2025-2026 年还有一个重要的研究方向是用强化学习RL驱动 Skill 进化。4.1 SAGE 的基本架构SAGESkill Augmented GRPO for Self-Evolution于 2025 年 12 月提出2026 年 3 月修订。它形式化了 Skill 进化的模式使用Sequential Rollout来迭代部署 Agent across chains of similar tasks。核心流程Agents write reusable functionsTest them against validation casesSave working ones to a persistent library4.2 复利效应SAGE 的结果展示了 Skill 积累的复利效应8.9% Scenario Goal Completion场景目标完成率提升-59% output tokens输出 token 数减少近六成token 的减少尤其重要因为它意味着 Agent 在解决问题时越来越高效而不仅仅是越来越准确。4.3 Self-Play 范式2025-2026 年最热的范式之一是Agent 通过 self-play 生成自己的训练数据。SWE-RLMeta Superintelligence Labs2025 年 12 月训练单个 LLM 交替扮演 bug injector 和 solver 两个角色Agent 引入真实代码库中的 bug然后训练自己修复它们不需要人工标注的问题或预存在的测试用例在 SWE-bench Verified 上达到 10.4 分提升在 SWE-bench Pro 上达到 7.8 分提升使用 32B 参数 backbone在 NVIDIA H100 GPU 上训练Multi-Agent Evolve (MAE)2025 年 10 月三个协同进化的 AgentProposer、Solver、Judge从单个 LLM 实例化Proposer 生成问题Solver 尝试解决方案Judge 评估两者在 Qwen2.5-3B-Instruct 上实现了跨多个基准的平均 4.54% 提升无需任何人工监督五、运行时自演化JiuwenClaw 的实践除了离线批量优化还有一些项目探索了运行时技能自演化的可能性。5.1 JiuwenClaw 的设计哲学JiuwenClaw 面向长期陪伴式使用的标语是“Understands You. Evolves With You”。Autonomous Evolution 即在不满或执行出错时依反馈持续改进相关技能。5.2 技术实现实现上依靠以下组件SkillCallOperator统领读写与合并SignalDetector基于规则、不调用 LLM监视工具结果与用户措辞里的纠错线索SkillEvolutionManager编排扫描与生成SkillOptimizer在需要改动时调用 LLM 写出演进条目5.3 增量更新机制每条技能在 workspace 下自有目录典型路径形如~/.jiuwenclaw/workspace/agent/skills//。演进记录先写入evolutions.json再在合适时机 solidify 合并回SKILL.md。也可以/evolve命令手动触发。失败类信号偏向写入 Troubleshooting 一类小节用户纠正则更常被整理成 Examples。JiuwenClaw项目概览与运行时技能自演化语境六、方法论对比如何选择框架核心机制适用场景优势局限EvoSkill自验证 并行提案大规模离线优化效率高可扩展性强需要大量初始轨迹SkillOpt八维 rubric 人在回路精细化迭代评估全面方向可控依赖人工确认节奏SAGE强化学习 Sequential Rollout长期技能积累复利效应显著计算成本高JiuwenClaw运行时增量更新个人助手场景实时响应个性化强规模有限6.1 选择建议如果你的目标是快速构建企业级 Agent 系统推荐 EvoSkill SkillOpt 组合先用 EvoSkill 快速迭代出基础版本再用 SkillOpt 精细化打磨打造长期陪伴式个人助手JiuwenClaw 的运行时演化机制更适合可以持续适应用户偏好追求极致性能SAGE 的 RL 驱动方案理论上能达到最高上限但需要投入更多计算资源七、未来展望从 Skill 进化到参数进化如果你要在自己的 Agent 项目中引入 self-evolution可以按四个阶段推进第一阶段上下文/记忆自进化目标是让 Agent 具备最基本的成长能力会记录用户偏好、会总结失败经验、会检索历史会话、会把复杂任务沉淀为操作步骤。可参考的项目是 Hermes Agent。这一阶段的重点不是把历史无限塞回 prompt而是让项目上下文、会话历史、工具状态和自引用信息逐渐形成稳定机制。第二阶段技能资产自进化当经验开始重复出现就应该从记忆层提升到技能层。技能比记忆更结构化也更容易迁移给其他 Agent。可参考的项目是 Darwin Skill。如果你已经在使用 OpenClaw、Nanobot、Hermes、Codex 或 Claude Code 这类支持SKILL.md的宿主技能资产化闭环通常是投入产出比最高的一步。第三阶段群体经验自进化当多个用户、多个设备、多个 Agent 都在积累经验时就需要一个共享层来去重、验证、合并和分发。可参考的项目包括 Ultron、OpenSpace 和 SkillClaw。这一阶段要把隐私、权限和审计提前设计进去。第四阶段参数、代码或工作流自进化只有在评估器、沙箱、版本治理和回滚机制足够成熟之后才适合尝试 OpenClaw-RL、Agent Lightning 一类把评测信号接到参数或结构化策略更新上的更重闭环。如果你只是想让个人助手更懂你可能不需要在线 RL如果你要让 Agent 在大量真实任务中优化工具使用、GUI 操作、SWE 修复或工作流选择那么参数或工作流层自修改才会逐渐变得必要。八、结语可验证性决定迭代速度不知道大家有没有发现尤其是进入 2026 年后的这几个月Claude Ops、GPT、Qwen 等头部 LLM 迭代和发布速度越来越快。之所以这些 LLM 能以月甚至以周为单位快速迭代其中一个比较核心原因就在模型效果的衡量越来越可验证。例如 AI Coding 场景代码能否跑通、单元测试是否通过这些都是验证成本较低且结果比较客观的场景。Skill 也是同理。构建一套高质量、自动化的验证评估体系才是 Agent 效果能起飞的前提。一旦验证闭环打通数据飞轮才能真正转动起来Agent 产生轨迹 → 自动化验证给出即时反馈 → 根据反馈快速调整 Skill → 新 Skill 再次进入验证循环只有在这样的模式下迭代速度才能从人力驱动转变为算力驱动实现质的飞跃。反之若缺乏可验证的标尺任何优化都可能是原地踏步甚至南辕北辙不进反退。Skill 自我演进方法论的出现标志着 Agent 开发从手工作坊时代迈向了工业化生产时代。这不仅是技术的进步更是工程范式的根本转变。未来的 Agent 开发者需要的不再是单纯的手工调优能力而是设计进化机制、搭建验证体系、把控迭代方向的能力。这才是 2026 年做 Agent 的正确姿势。
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
