# Agent开始"自我进化"：会出题、会反思，还会自己长出新技能

> **来源**：微信公众平台  
> **作者**：腾讯程序员  
> **发布日期**：2026-07-31  
> **原文链接**：https://mp.weixin.qq.com/s/fsVJiorPBN4ylGjUYBcIPw

---

作者：horacebao、ashexie

> 当 Agent 自己会出题、自己会答题、还能把答错的经验沉淀成下一次的"技能包"——一个永远在长大的 Agent，到底能走多远？

一个完全自主、越用越强的 Agent，有可能实现吗？本文聚合了现有的前沿探索工作，向大家展现这一方向上的最新成果。

## 01 自进化 Agent 介绍

自进化 Agent（Self-Evolving Agent）指能够在与环境/用户交互过程中自动积累经验、提炼能力、并在后续任务中复用与提升的智能体。核心诉求：能存、能用、能进化。

### 三大技术路线

| 路线 | 是否更新模型权重 | 是否依赖人工数据 | 代表工作 |
|------|-----------------|-----------------|---------|
| 第一类：经验/Skill 存储型 | ❌ | ❌ | AutoSkill、EvoSkill、MemSkill、CoEvoSkills、SE-Agent |
| 第二类：RL 训练型 | ✅ | ❌ | EvolveR、SAGE、SkillRL、SKILL0、SkillOS、AgentEvolver |
| 第三类：0 数据自学型 | ✅ | ✅ | Agent0、Tool-R0、Absolute Zero |

## 02 第一类：经验/Skill 存储型

- **AutoSkill**：动态增删改查 Skill，防止 Skill 库爆棚
- **EvoSkill**：让多个 Agent 分工协作——Executor/Proposer/SkillBuilder，Pareto Frontier 精英池机制
- **MemSkill**：针对操作 Memory 的 Skill 做自进化
- **CoEvoSkills**：Skill Generator + Verifier 双子星，测试驱动 Skill 进化
- **SE-Agent**：多轨迹横向融合，"横向总结"vs传统"纵向总结"

## 03 第二类：基于 RL 的训练型自进化

- **EvolveR**：离线提炼策略原则 + 在线检索指导
- **SAGE**：Sequential Rollout，序列化跑相似任务
- **SkillRL**：强模型（o3）蒸馏Skill → RL训练弱模型学会使用
- **SKILL0**：将Skill从"外挂上下文"内化到模型参数，实现零样本执行
- **SkillOS**：训练专门的Curator学会管理Skill，训练后8B Curator > 冻结Gemini-2.5-Pro Curator
- **AgentEvolver**：完全自主三环自演化框架——自出题、自解题、自总结

## 04 第三类：0 数据自学型

- **Agent0**：学习工具使用，Curriculum Agent出题 + Executor Agent解题
- **Tool-R0**：类似Agent0，做general tool而非纯数学
- **Absolute Zero**：单模型同时扮演出题人和解题人，代码执行器为唯一验证来源

## 05 核心洞察

**总结者是被严重低估的关键模块**——几乎所有工作都把Skill总结交给冻结的强模型。SkillOS首次证明训练后的小模型Curator能超过冻结的大模型Curator。

**右上方空白象限**——既自动生成题目、又训练总结者的工作目前一篇都没有。

**本质问题**：如何让 Agent 在没有人工干预的情况下，把交互的副产物转化为下一次更强的能力？

## 附录

论文索引包含14篇论文（AutoSkill到Absolute Zero），评估数据集涵盖WildChat-1M到HumanEval等。