自进化

四条进化路线的原理、项目比较和实践方法，重点展开上下文闭环与技能资产化。

整理日期：2026年10月7日

1 自进化的四条路线

自进化讨论的是：Agent 能否依据真实任务、执行反馈和用户纠正，持续更新自身可使用的资产，并让更新影响后续任务表现。原文按闭环位置与更新对象分为四条路线。1

本指南覆盖四条路线，详细展开上下文闭环与技能资产化。第三条说明经验如何跨 Agent 流动，第四条说明如何把反馈用于参数训练或结构更新。它们可以组合使用，同一个项目也可能同时具备几类机制。

图1 原文总览图，展示四类闭环与十个代表项目。图片来自 Datawhale hello-agents 原文，保留原图内容；本文重点展开前两条路线。1

路线	更新对象	反馈怎样生效	原文代表项目	本文安排
内建上下文闭环	记忆、历史索引、项目上下文	下次任务读取与检索，改变决策依据	Hermes、Agent Zero	重点展开，见第3至5节
技能资产化闭环	技能说明、脚本、可复用流程	加载经过验证的操作方法，并持续修正	Darwin Skill、JiuwenClaw、EvoSkill	重点展开，见第6至8节
外部监督或群体智能闭环	共享记忆、共享技能、外部演化服务	汇聚多个实例的证据，验证后回流各宿主	Ultron、OpenSpace、SkillClaw	概览与衔接，见第9节
参数、代码或工作流自修改闭环	模型参数、Agent 代码、工作流结构	用训练或搜索产生策略候选，经评测后更新	OpenClaw-RL、Agent Lightning	概览与边界，见第10节

这不是必须逐级完成的升级阶梯。第三条主要扩大经验的复用范围；第四条包含不同的更新对象，其中参数更新涉及训练，代码和工作流更新则可以通过生成与搜索完成。后两条也能继续使用前两条的记忆与技能。

四条路线都需要回答三个问题：更新的依据能否追溯，更新后怎样被使用，以及如何证明它比旧版本更有用。自动修改本身不能作为效果证据。

快速阅读：先看本节总览与第2节两类重点路线的关系，再看第3至8节的流程和例子；第9至10节补全另外两条路线，第11至12节用于评估和实施。

2 两条重点路线的关系

上下文闭环通过保存、检索和更新经验，让 Agent 在后续任务中获得更合适的信息。技能资产化进一步把经验整理成带有适用条件、操作步骤和验证方法的可复用流程。两者都可以在模型权重保持不变的情况下改变行为。

本文以 Datawhale 的 Agent 自进化章节为起点，重点分析这两类闭环。1 项目机制采用官方说明；标为工程建议的架构、字段、判断规则和例子，是为理解与实现而整理的参考方案，不代表所有项目的统一规范。

图2 两类闭环总览。记忆提供相关信息，技能提供可复用流程，二者均通过后续任务验证收益。根据原文分类及本文内容归纳。1

比较点	上下文闭环	技能资产化
主要问题	以前发生了什么 当前有什么约束	这类任务应该怎样完成
持久对象	事实 偏好 项目状态 历史经验	技能说明 脚本 示例 验证规则
读取方式	重要信息直接加载 细节按需检索	先匹配适用场景 再加载操作流程
更新方式	添加 纠正 合并 清理过时信息	生成候选 测试 升级 或回滚
主要失效	召回无关或过时信息 错误归因	流程泛化过度 步骤失效 评测偏差
衡量收益	任务续接正确率 重复错误 检索质量	新任务成功率 回归表现 执行成本

用论文复现理解两者

假设一次复现任务因为预处理顺序错误而失败，修正后通过检查。记忆可以保存该项目的事实、失败原因和证据位置；技能则可以整理出指标异常时的排查顺序、每一步的判断条件及完成标准。这是贯穿全文的假设案例。

两类闭环不是互斥选项。记忆可以为技能提供证据；技能运行又会产生新轨迹和新经验。一次对话中的反思只能改善当前尝试，只有经验被持久保存并在未来正确使用，才形成跨任务闭环。

前两条路线通常可以在不训练模型的情况下落地，更新对象也便于检查与版本管理。因此本指南重点解释读写时机、记忆维护、技能验证，以及二者之间如何衔接。

3 路线一 上下文闭环的执行过程

工程建议：围绕 Agent 的主循环建立读取路径和写入路径。读取路径决定本次任务看到什么；写入路径决定哪些经验能进入下一次任务。先确保信息能够正确保存、找回和纠正，再扩大自动化范围。

任务输入 → 读取项目状态 → 检索相关经验 → 组装上下文 → 执行与验证 → 更新记忆和状态 → 后续任务

图3 上下文读写流程。上方为本次任务，下面为证据保存、候选提取和更新路径；更新后的信息回到检索环节。工程参考示意。

任务前读取

先识别用户、项目、当前目标与环境，再读取该范围内的项目状态和关键约束。只有在需要历史细节时才检索轨迹，例如相似报错、上次修复方式或用户曾经作出的决定。检索结果应保留来源，让 Agent 能继续查证。

为上下文设置独立预算。稳定且重要的事实可以常驻；长日志和历史原文按需加载。实际预算取决于模型窗口和任务复杂度，还要为当前任务、工具结果及后续推理留出空间。

任务中观察与校验

保存用户消息、工具输入输出、执行结果和验证证据。记忆提供诊断线索，当前工具观察负责确认现状。例如上次是依赖冲突，这次应先检查版本和报错，不能仅凭历史记录直接认定原因。

任务后提取候选记忆

在用户纠正、排错完成、阶段性验证通过或任务结束时触发整理。提取三个问题的答案：发现了什么，依据是什么，以后在什么情况下有用。一次临时失败或未经确认的模型猜测可以保留在轨迹里，不必立即升级为长期经验。

写入与维护

检查候选的范围、证据、重复与冲突。相同结论合并证据；新观察推翻旧结论时更新当前记录，并保留变更来源；已经失效的内容归档或删除。项目状态独立更新，记录实际完成的工作和下一步，而不是泛泛的会话摘要。

Reflexion 展示了通过反馈生成反思文本、再用于后续尝试的思路。9 MemGPT 展示了有限上下文与外部记忆之间的信息调度思路。10 这些提供设计依据，但不意味着任意反思或检索组合都能自动提升表现。

最小上下文闭环的参考伪代码

# 示意流程，函数名不对应某个项目的真实接口。
scope = identify_scope(task, user, project, environment)
state = load_project_state(scope)
memories = retrieve_memories(task, scope)
context = assemble_with_budget(task, state, memories)
result, trajectory = run_agent(context)
evidence = verify_result(result)
save_trajectory(trajectory, evidence)
candidates = extract_reusable_experience(trajectory, evidence)
accepted = check_scope_evidence_conflicts(candidates)
update_memories(accepted)
update_project_state(result, evidence)

读写接口应保留来源和版本。抽取失败不应破坏任务产出；未验证候选与当前有效记忆分开保存；重新进入任务时读取最新状态，并用当前工具观察检查环境。

4 路线一 记忆结构与检索策略

工程建议：区分当前工作上下文、项目状态、事实记忆、经验记忆与原始轨迹。它们可以用文件或数据库实现，重点是语义边界与生命周期清楚，不必一开始就引入复杂的记忆平台。

图4 不同存储经过统一检索与筛选进入本次上下文。不是把所有历史一次性加入提示词。工程参考示意。

信息类型	例子	维护方法
当前上下文	本轮任务 工具结果 临时判断	任务推进时更新 超预算时压缩
项目状态	环境已安装 实验尚未运行	依据实际产出更新 支持任务续接
事实记忆	数据目录 已确认的环境约束	修改或重新验证过时事实
经验记忆	某种症状的已验证原因与修复	保留适用条件 反例和来源
原始轨迹	完整命令 日志 用户纠正	保留可追溯证据 按需读取

一条经验记录的参考字段

id: exp-017
type: troubleshooting
scope: project-A / environment-v1
claim: 指标异常曾由归一化顺序错误引起
condition: 该数据集及当前预处理链
evidence: trajectory-041 / steps-18-23
status: verified
last_verified: 2026-10-07
supersedes: null

这些字段是示例，不属于某个项目的固定接口。verified 表示有验证证据，不表示对所有未来环境都成立。证据不足时标记为 candidate；被新证据替代时标记为 superseded，避免继续作为当前事实召回。

从简单检索逐步扩展

先按用户、项目和环境过滤，再做关键词检索。积累足够数据后，可以把关键词与语义检索结合，补充重排序和重复折叠。报错码、路径和版本号通常需要精确匹配；相似问题的不同表述可以使用语义匹配。

排序同时考虑相关性、证据质量和时效性。摘要用于筛选，关键结论回查原始证据。对于冲突记录，优先核对当前观察；无法解决的冲突应明确呈现，不要静默选择一个结论。

写入可由主 Agent 调用记忆工具，也可由任务后的整理流程处理。后台整理需要控制读写范围，并发更新时使用事务或版本校验，防止两个任务互相覆盖状态。

5 路线一 Hermes 与 Agent Zero

图5 Hermes 强调精简记忆与具体历史的分工，Agent Zero 强调项目资源与状态边界。依据官方说明绘制概念流程，不表示全部内部实现。24

Hermes 的记忆与历史分工

Hermes 的官方文档区分 MEMORY.md 与 USER.md：前者保存环境事实和经验，后者保存用户偏好。记忆在会话开始时以快照形式提供，具体历史通过 session_search 检索；当前文档描述其会话存储使用 SQLite 与 FTS5。2

Hermes 同时支持从经验创建和改进技能，因此它跨越本文的两类路线。3 工程启示是把关键事实与历史细节分开，让常驻上下文保持精简，并检查记忆是否真的写入、是否被后续会话读取。

Agent Zero 的项目边界

Agent Zero 提供包含文件、指令、记忆和仓库等资源的项目环境，并强调按项目隔离；工具、技能及内部提示可检查和编辑，也支持多 Agent 协作。4 它体现了上下文随工作环境持续积累的路径。

工程启示是让项目进度与环境状态有明确归属。用户偏好可跨项目使用，项目特有的依赖、数据位置和排错经验则应保留作用范围。长任务交接时，要带上可验证的产出位置和未完成事项。

设计视角	Hermes	Agent Zero
本文关注点	精简记忆与跨会话检索	项目环境与持续状态
可借鉴机制	事实笔记 历史查询 技能积累	项目隔离 资源组织 工作交接
需要自行验证	记忆写入 召回与实际使用	隔离范围 状态一致性与续接

常见失效及对应措施

记忆写入了却没有被召回：检查过滤条件、检索词和读取时机。召回了却没有被使用：检查内容是否具体、位置是否合适，以及 Agent 是否理解其适用条件。

经验越来越多但效果下降：清理重复项，缩小适用范围，纠正错误归因，并保留未验证状态。长对话压缩后无法续接：独立保存项目状态及证据链接，而不是只依赖对话摘要。

这些项目说明提供机制参考，不是性能排名。选择时应围绕自己的任务验证，而不能仅依据功能清单判断哪个系统更会学习。

6 路线二 技能资产化的结构与生命周期

技能资产化把可复用的方法表达为 Agent 能发现、加载和执行的资产。安装一个静态技能完成了复用入口；基于执行反馈提出修改，并通过验证升级技能，才形成演化闭环。

Agent Skills 规范要求技能目录至少包含 SKILL.md，并使用 YAML 元数据与 Markdown 正文；scripts、references 和 assets 可按需提供。技能通常先暴露名称和描述，匹配后加载正文，详细资源按需读取。8

metric-debug/
  SKILL.md
  scripts/check_preprocessing.py
  references/dataset-notes.md
  assets/checklist.md

一个技能应该说清楚什么

工程建议：名称与描述用于发现；正文明确适用条件、输入与前置检查、操作顺序、条件分支、工具或脚本、失败处理、输出及验证标准。写清不适用条件，可以减少把局部经验泛化为通用指令的问题。

---
name: metric-debug
description: 排查复现实验的指标异常，核对数据与评测过程。
---
适用条件：存在论文配置及可比较的运行结果。
步骤：先核对划分，再检查预处理和评测口径。
异常处理：若关键配置缺失，先补齐证据再下结论。
完成标准：检查过程、配置及结果均可追溯。

上面的目录和内容是教学示例。实际技能需要补充具体命令、分支条件与测试；仅写几句原则，仍不足以构成可靠的操作流程。

图6 技能演化流程。真实任务验证通过后才切换有效版本；证据不足或出现退化时保留候选并修正或回滚。结合原文闭环及三个项目的不同侧重点归纳，非某个项目的原始架构图。16

从轨迹到有效版本

执行证据 → 归因与抽象 → 技能候选 → 结构检查 → 真实任务验证 → 发布有效版本或回滚

候选应记录来源与变更原因。验证同时检查能否加载、能否执行，以及是否改善任务结果。结构检查通过不等于效果提升；一次成功不等于泛化成立。

更新时尽量一次改变一个可归因因素。保存旧版本、测试结果与变更差异，验证通过后再切换有效版本。多技能存在冲突时明确优先级与选择规则，避免把全部技能同时加入上下文。

如何发现与选择技能

先用技能名称和描述匹配任务，再检查输入、环境、作用范围与前置条件。匹配后加载正文，需要时调用脚本或读取参考资料。多个技能都相关时，选择覆盖当前目标的一组最小流程，并明确先后顺序；不要因为技能存在就强制调用。

技能更新应区分补充局部排错经验与改变主流程。局部经验可以先作为附属记录；改变通用步骤或前置条件时，重新运行关键回归，并记录新旧版本的行为差异。

7 路线二 三种技能演化方式

图7 用统一粒度比较三个项目的演化路径。Darwin 保留阶段确认，Jiuwen 按策略保存可复用经验，EvoSkill 主要依赖任务集与留出验证。概念归纳示意。57

Darwin Skill 优化已有技能

Darwin Skill 将单个 SKILL.md 作为可编辑资产，结合结构检查与效果验证，使用独立评审、保留或回滚及人工确认。当前官方 README 描述九维评分体系，原文章中的八维描述对应较早版本。5

可借鉴的是控制改动范围、独立验证和保留有效基线。评分主要反映该评估流程中的质量；分数提高仍需要用真实任务及独立测试检查，不能推断所有场景都变好。

Jiuwen 在使用中积累经验

原文章称为 JiuwenClaw 的项目链接，当前跳转至 JiuwenSwarm。其技能演化文档描述：主 Agent 根据当前任务证据判断经验是否可复用，再按保存策略保留；保存的经验可以在下次技能调用时加载，不必立即合并到 SKILL.md。6

可借鉴的是先保存具体经验，再决定何时整理进正式流程。用户纠正或错误关键词只能作为线索；应判断原因能否归属到该技能、经验是否可复用，避免每次失败都立即改写主文件。

EvoSkill 使用任务集搜索候选

EvoSkill 用当前配置运行基准，分析失败后生成技能或提示变体，在留出验证集上评分，以 Git 分支保留表现较好的程序配置。其官方 README 将不依赖基准的演化和日常持续演化列为开发方向。7

可借鉴的是可重复的任务评测与候选比较。适合拥有一批任务和可判断结果的场景；如果只反复优化同一小组题目，很容易学会迎合评测。最终还需要未参与迭代的测试集。

项目	主要反馈	有效产物	实施前提
Darwin	技能检查与任务验证	优化后的技能版本	已有技能及可检查的质量标准
Jiuwen	实际使用中的任务证据	可加载的技能经验与更新	可靠归因与经验保存策略
EvoSkill	基准失败及验证集得分	技能或提示的候选配置	任务集 评分器与执行环境

这三者不是互相替代的固定阶梯。在线经验采集可以提供优化候选，离线评测负责筛选，版本机制负责管理有效资产。组合时仍需明确每个阶段的责任。

8 记忆到技能的完整例子

以下是工程示例。假设 Agent 负责复现实验，发现最终指标偏低；检查后确认某个数据集的归一化顺序与论文不同，修正并重新运行小规模验证后，结果符合预期。

图8 记忆到技能的完整例子。先保存有范围的经验，再检验方法能否泛化，最终形成可复用技能；箭头表示后续反馈继续回流。假设案例示意。

第一步 保存本次证据与状态

轨迹保存原配置、异常结果、诊断过程和修正后的验证产出。项目状态写成“预处理已修正，小规模验证已完成，全量实验待运行”。这些信息用于续接具体任务，不需要先抽象成通用流程。

第二步 提炼有范围的经验

候选经验写成“项目 A 在该数据集上曾因归一化顺序不一致导致指标偏低，检查方法为对照预处理配置与样本输出”，并绑定证据。不能写成“指标偏低都应该调整归一化”。

第三步 在新任务中验证用途

后续出现类似症状时，召回经验并先检查适用条件。如果新的异常来自数据划分，保留这个反例。重复出现的有效检查方法，加上反例与边界，可以形成更可靠的技能候选。

第四步 抽象操作流程

技能按数据版本、划分、预处理、指标口径和随机性依次检查。每一步写明输入、判断依据和下一步；发现差异后先做小规模验证。项目路径、数据位置等具体参数从项目上下文读取，避免写死到通用技能中。

第五步 验证与发布

用多种不同原因的指标异常任务，以及正常任务、无关任务进行验证。观察它能否找到原因、是否误用、是否增加不必要操作。验证通过后保留新版本；失败则保留轨迹和候选，继续修正或回滚。

应保留在哪里	内容
项目状态	本次实验进度 产出位置 下一步
经验记忆	症状 条件 已验证原因 证据及反例
技能资产	可复用检查顺序 分支 脚本与完成标准
原始轨迹	每次具体执行的输入 日志与验证结果

是否提炼成技能，取决于方法能否明确表达和验证，不必机械要求出现固定次数。频繁复用是有用信号，但高频错误经验仍不值得固化。

9 路线三 外部监督与群体智能

这条路线把闭环放到 Agent 宿主之外，或让多个用户、设备、会话和 Agent 实例共享经验。它可以继续演化记忆或技能，区别在于证据的汇聚、更新和分发不再只局限于一个工作区。

图9 不同实例汇聚证据，经质量控制形成共享资产，再按范围回流。图示为通用组合方案，不表示所有项目默认开启全部验证步骤。

三个代表项目

Ultron 围绕 Memory Hub、Skill Hub 与 Harness Hub 组织共享知识：记忆供检索，技能表达流程，配置蓝图用于复用完整 Agent 设置。其官方说明同时包含轨迹采集、记忆提炼及技能演化能力。11

OpenSpace 以技能管理和演化为主线，保留 FIX、DERIVED 与 CAPTURED 三类更新。当前 v2 文档强调依据具体执行证据判断技能质量，保留验证和版本历史，并通过技能包共享；这比单纯自动改写说明更接近一个外部质量控制层。12

SkillClaw 使用本地 Client Proxy 记录会话和管理技能库，可选 Evolve Server 从共享存储读取证据、演化技能并写回。多个客户端可以连接同一存储，让团队共享同一条回路。额外验证 worker 在官方说明中属于可选配置，不应误认为所有部署都默认具备独立验证。13

与前两条路线怎样衔接

记忆和技能先在本地形成候选，确定哪些证据允许共享，再上传到共享层。共享层执行去重、范围检查与候选验证，给有效版本保留来源；其他 Agent 按任务需要召回记忆或加载技能，并继续回传新的成功、失败和反例。

工程建议：个人偏好保留用户范围，项目路径保留项目范围，通用操作方法才逐步扩大共享范围。跨环境复用前核对依赖和参数，不把本地成功直接等同于团队通用。

什么时候需要它

当多个实例反复解决同类问题，或者同一套有效技能需要跨设备维护时，共享层能扩大经验复用。需要重点处理来源归属、权限、敏感内容、版本冲突和传播范围。多 Agent 分工本身只说明任务协作；如果经验没有被保存、验证并回流，还不能据此称为群体自进化。

10 路线四 参数代码与工作流自修改

这条路线把反馈用于改变模型参数、Agent 代码或工作流结构。上下文与技能主要改变模型收到的信息或操作指引；参数训练改变模型内部的行为倾向，代码与工作流更新则改变系统如何组织执行。

图10 上方形成优化信号，下方生成与评测策略候选。图示为通用框架；原文两个代表项目主要展示参数训练，不表示二者都自动改写 Agent 代码和工作流。14

需要区分的更新对象

更新对象	常见做法	可检查的产物
模型参数	强化学习、监督训练或蒸馏	参数检查点、训练配置、独立评测结果
Agent 代码	生成代码变体，在隔离环境中测试	代码差异、测试结果、版本与回滚记录
工作流结构	搜索步骤顺序、角色分工或工具选择策略	工作流配置、候选比较、任务回归结果

原文中的两个代表项目

OpenClaw-RL 把真实交互整理成训练轨迹，异步运行服务、轨迹采集、PRM 或 Judge 评分及策略训练。它支持强化学习及基于后续反馈的蒸馏方法；主线是把交互反馈转为参数优化信号。14

Agent Lightning 将实际 Agent 执行与训练链路连接起来。当前官方 v1.0 已重构为 Trainer、API Gateway 与 Rollout Controller 三个主要组件：网关采集模型交互，控制器组织 Agent 运行，训练器形成样本并更新策略。15

版本说明：原文章描述的 LightningStore、Tracer 与可插拔算法结构，对应较早的 Agent Lightning 形态。阅读或实现时应区分旧版与 v1.0，避免混用接口和架构名词。

什么时候考虑它

当有大量可重复任务、明确结果标准、可训练模型或可搜索的执行结构，并且前两条路线仍无法解决稳定的行为问题时，可以评估这条路线。它需要更可靠的反馈归因、隔离执行、独立测试和有效版本管理。

工程建议：参数训练关注奖励偏差与泛化；代码和工作流搜索关注候选的可执行性与副作用。评测提高只说明在相应任务和条件下的收益，不能直接推断总体能力持续上升。

11 如何证明闭环产生收益

工程建议：把经验采集、候选生成、验证和发布分开。评估要分别观察任务结果、经验使用过程和运行成本，避免用记忆条数、技能数量或文档评分替代实际收益。

图11 开发用于生成候选，验证用于选择候选，独立最终测试用于报告泛化。后续真实任务产生新证据，但最终测试结果不回流到本轮调参。工程参考示意。

评估对象	建议观察指标	需要留意的问题
任务结果	完成率 验证通过率 结果正确性	任务难度变化 是否只提高熟悉题
任务续接	状态恢复正确率 重复工作量	摘要遗漏 已完成与待完成混淆
记忆使用	相关召回 错误记忆使用 重复犯错	有召回却未使用 过时事实误用
技能使用	适用场景命中 新任务表现 回归失败	正常任务被误触发 技能互相冲突
运行成本	耗时 模型调用量 工具调用量	收益是否抵消整理 检索和评测成本

保持比较条件一致

固定模型、工具权限、任务输入与执行环境，比较无经验、有相关记忆、有技能，以及记忆和技能同时使用的配置。尽量复用同一任务集；对随机性明显的任务重复运行，并报告样本量、波动与失败类型。

区分三类数据

开发任务用于发现问题和生成候选；验证任务用于选择候选；最终测试任务用于检查泛化。反复使用验证集也可能过拟合，因此最终测试集应独立，不能用于继续修补被评估的版本。

覆盖正常与异常场景

测试集应包含相似失败、不同原因但症状相近的失败、正常任务、过时记忆和无关任务。只测试技能最擅长的失败类型，会遗漏误触发和副作用。

保留证据而非只看自评

优先使用可执行测试、可检查产出和明确结果标准。需要模型评审时，将修改与评审分开，使用明确规则，并保留原始结果供复查。不同评委仍可能有共同偏差，不能把独立评审当作绝对可靠。

发布规则可以要求目标任务有可重复收益，关键回归无退化，且额外成本可接受。具体阈值由任务决定，本文不提供脱离场景的通用分数线。

12 从最小实现逐步扩展

工程建议：先实现一种任务的完整闭环。读写接口和版本机制保持简单，确认每个环节有用后再加入语义检索、后台整理和自动候选搜索。

阶段一 让任务能够继续

保存轨迹和项目状态，在新任务开始时读取进度。完成标准是能从真实产出恢复已完成事项和下一步，并避免重复执行已完成的工作。

阶段二 让已验证经验可复用

增加结构化经验表，支持作用范围、来源、验证状态和修改记录；先用关键词检索。完成标准是相似问题能够召回相关证据，同时能纠正旧结论并拒绝无关经验。

阶段三 让方法成为技能

从可验证的经验中提炼技能候选，补齐适用条件和验证标准。建立技能版本与小型任务集。完成标准是候选能被加载、执行，并在未参与提炼的任务上体现收益。

阶段四 让更新可持续

增加任务后整理、候选生成、独立验证和有效版本切换。遇到归因不清或测试结果不稳定时保留候选；失败时回滚有效版本。根据任务量再决定是否需要多用户共享和更多基础设施。

常见问题	对应设计
全量历史挤占上下文	精简常驻事实 按需检索 为当前任务留预算
把猜测写成长期事实	记录证据和验证状态 未确认内容保持候选
局部经验被通用化	显式保存项目 环境 适用条件与反例
外部文本污染后续指令	来源内容作为证据加载 遵守宿主权限与指令边界
多任务写入互相覆盖	事务 版本校验或单写入者策略
技能越改越长	删除重复步骤 把细节放入按需资源 验证真实收益

关键实现边界：记忆保存事实与证据，项目状态保存进度，技能保存可复用方法，轨迹保存具体执行。保持这些边界，便于定位错误究竟来自召回、归因、流程还是执行。

自动化程度可以逐步增加，但每次更新都应留下可审查差异和验证结果。没有足够证据时，保存候选往往比立刻改写有效资产更有价值。

从本地闭环扩展到其他路线

完成上下文与技能闭环后，先检查是否真的需要跨设备或团队复用。存在重复试错和技能分发需求时增加共享层，并复用已有的来源、验证和版本机制。共享层的引入不要求同时训练模型。

只有当任务规模、结果反馈和资源条件支持时，再评估参数训练或代码、工作流搜索。先做小范围对照实验，记录额外成本与泛化结果，确认收益后扩大范围。四条路线按实际问题组合，而不按名称机械升级。

观察到的问题	优先检查的路线	先做的事
经常忘记进度、约束或已排除的原因	上下文闭环	分开保存状态和经验，验证检索与续接
同类任务反复重新设计操作步骤	技能资产化	提炼有边界的流程，建立真实任务回归
多实例重复踩坑、技能版本各自维护	外部监督或群体智能	建立可追溯的共享、验证与分发机制
有大量反馈但行为问题长期稳定存在	参数、代码或工作流更新	明确更新对象，先做独立评测与成本对照

13 来源与延伸阅读

来源查阅日期为2026年10月7日。项目说明可能继续更新；本文描述机制，不据此给项目作性能排名。正文中的工程建议和假设案例用于设计参考，效果需在实际任务中验证。

1. Datawhale Agent 自进化的四类闭环：本文的分类起点及项目线索。

2. Hermes Persistent Memory：事实记忆 用户偏好 会话快照及历史检索机制。

3. Hermes Agent 官方仓库：记忆 会话检索及技能学习的组合。

4. Agent Zero 官方仓库：项目隔离 持续工作环境及可检查资源。

5. Darwin Skill 官方仓库：技能评估 独立审查 保留或回滚及人工确认。

6. JiuwenSwarm Skill Self Evolution：原 JiuwenClaw 链接的当前去向及经验保存加载流程。

7. EvoSkill 官方仓库：失败分析 候选生成 留出验证及版本管理。

8. Agent Skills Specification：技能目录 元数据及渐进加载规范。

9. Reflexion 论文：通过反馈生成反思文本并影响后续尝试。

10. MemGPT 论文：有限上下文与分层记忆的信息调度。

建议先阅读原章节建立全局视角，再阅读 Hermes 记忆文档与 Agent Skills 规范理解接口。需要技能优化时，按已有技能优化、在线经验积累或基准搜索的目标，分别阅读 Darwin、Jiuwen 与 EvoSkill。

11. Ultron 官方仓库：共享记忆、技能和配置蓝图及其演化机制。

12. OpenSpace 官方仓库：技能管理、证据驱动演化、共享与版本管理。

13. SkillClaw 官方仓库：本地代理、可选演化服务、共享存储与可选验证。

14. OpenClaw-RL 官方仓库：交互反馈、异步采集评分及参数训练。

15. Agent Lightning 官方仓库：当前 v1.0 架构及旧版本说明。

16. Agent Lightning v1.0 文档：实际 Agent 执行与训练链路的组织方式。

图片说明：图1直接采用 Datawhale hello-agents 原文总览图，来源见图注；其余流程图依据原文章、官方项目说明及工程分析重新绘制。图注区分概念归纳与工程参考方案。