# 📊 文章摘要：Agent开始"自我进化"：会出题、会反思，还会自己长出新技能

> **原文**：[2026-07-31_Agent开始_自我进化_：会出题_会反思_还会自己长出新技能.md](./2026-07-31_Agent开始_自我进化_：会出题_会反思_还会自己长出新技能.md)
> **原文链接**：https://mp.weixin.qq.com/s/fsVJiorPBN4ylGjUYBcIPw
> **来源**：微信公众平台
> **作者**：腾讯程序员
> **发布日期**：2026-07-31
> **摘要日期**：2026-07-31
> **价值评级**：⭐⭐⭐ 高

---

## 核心命题

> **Agent自进化** — 系统综述了Agent自我进化的三大技术路线（经验存储型、RL训练型、0数据自学型），首次揭示"总结者（Skill Curator）"是当前被严重低估的关键瓶颈模块。

---

## 文章概要

本文是腾讯PCG大数据平台部团队对14篇自进化Agent前沿论文的系统性综述。将研究路线按"是否更新模型权重"和"是否依赖人工数据"两个维度划分为三类：经验/Skill存储型（不训练模型，外挂技能库）、RL训练型（通过强化学习把经验写入权重）、0数据自学型（完全不要人工标注数据）。文章最重要的贡献在于横向对比四篇代表工作后，指出了当前研究的核心空白——"总结者本身的训练"和"完全自主+训练总结者"的交叉路径几乎无人涉足。

---

## 关键要点

1. **三大技术路线** — 第一类：存技能（外挂大脑）；第二类：训技能（写入权重）；第三类：自生成（零人工数据）。`[分类: 共识]`
2. **总结者是最大的瓶颈** — 几乎所有工作都把Skill总结交给冻结的强模型（o3/Gemini），SkillOS首次证明"训练后的小模型Curator > 冻结的大模型Curator"。`[分类: 范式突破]`
3. **SkillOS的核心结论** — 仅训练Curator、冻结Executor的情况下，整体性能仍能显著提升。这意味着"换Curator"是一条比"换Executor"更轻量的优化路径。`[分类: 范式突破]`
4. **横向vs纵向总结的融合是开放问题** — SE-Agent（多轨迹横向融合）与其他工作的纵向总结尚未有效结合，是潜在突破口。`[分类: 未探索方向]`
5. **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。`[分类: 未探索方向]`
6. **CoEvoSkills的发现** — Self-evo > Cross-model Transfer：强模型生成的Skill给弱模型用，效果不如弱模型自己self-evo。`[分类: 争议]`

---

## 批判性分析

### 假设前提

文章假设"自进化Agent"是通往更强AI的正确方向，未充分讨论Agent自我进化可能带来的失控风险。另外，所有分析基于实验室benchmark表现，在真实生产环境中的效果存疑。

### 论据与逻辑

文献覆盖面广（14篇论文），分类框架清晰，横向对比表直观。但部分论文的实验设置不统一（不同数据集、不同基座模型），横向对比的可比性有限。

### 边界与局限

- 综述时间截止到2026年5月左右（最新论文SkillOS: 2605.06614），后续发展未纳入
- 评估数据集混乱，各工作用不同benchmark，可比性差
- 对第三类"0数据自学"路线的可靠性讨论不足（sliver answer的隐患）

---

## 可引用金句

> "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？"

> "总结这一步，被严重低估——几乎所有工作都默契地把Skill总结这一步交给了冻结的base或独立的LLM。"

> "右上方那个空白象限——既自动生成题目、又训练总结者——目前没有一篇工作覆盖。"

---

## 总体评价

**亮点**：
- 分类框架（三路线×三角色）逻辑清晰，是后续研究的有效导航
- "总结者被低估"和"空白象限"两个洞察具有真正的学术贡献
- 横向对比表（四篇代表工作的三角色视角）是全文最有价值的部分
- 附录的论文索引和数据集索引实用性强

**不足**：
- 文末夹杂腾讯Dola产品推广，略显突兀
- 对第一类"经验存储型"工作的技术深度分析不够
- "总结者"的概念定义在不同工作中不够统一

**适用场景**：Agent/AI研究者、LLM应用开发者、关注Agent能力演进的技术决策者

**关联建议**：可结合阅读百度Unlimited OCR系列（R-SWA注意力机制）理解另一条Agent架构优化的技术路线