Agent 自进化机制（Self-Improving）
Agent 自进化机制（Self-Improving）
来源： wiki/sources/wechat-batch-a-agent-dev-tools
相关概念： wiki/concepts/skill-system, wiki/concepts/memory-architecture, wiki/entities/hermes-agent
Agent 自进化是指 AI Agent 在完成工作后自动从经验中提炼知识、更新能力，使系统"越用越强"的机制。这是 Agent 从"静态配置"向"动态成长"的范式跃迁。
核心思想
"Data Is the Final Moat — 当模型智能被商品化、Agent 框架被开源，真正的护城河是 Agent 在工作中积累的领域知识。"
传统 Agent 系统（如 OpenClaw）的 Skill 是手写的 Markdown 文件——你写多少它会多少，干了一百次部署，第一百零一次犯的错跟第一次一模一样。自进化 Agent 则在每次工作后自动提炼经验为可复用的 Skill，形成持续积累的竞争壁垒。
Hermes Agent 的三子系统闭环
Hermes Agent（NousResearch）是目前最完整的自进化实现：
1. Memory 系统 — "我知道什么"
- 两个纯文本文件：
MEMORY.md（环境事实）+USER.md（用户认知） - 容量限制倒逼压缩：MEMORY 限 2200 chars，USER 限 1375 chars
- 超限处理：add 直接失败并返回现有条目，引导模型做 replace/remove
- 冻结快照：会话启动时捕获快照注入系统提示词，运行中只改磁盘
- 声明式事实：要求写"User prefers concise responses"而非"Always respond concisely"
2. Skill 系统 — "我会做什么"
- 自动创建触发：工具调用超过 5 次、踩过坑修复、用户纠正过的做法
- 局部修补（patch）：使用 fuzzy_find_and_replace 精确修补，不全量重写
- 安全扫描：每次修改后跑
_security_scan_skill()，不通过自动回滚 - 渐进式加载：只放索引（name + description），按需加载完整内容
3. Nudge Engine — "该学习了"
- 两个计数器：Memory 按用户回合计（每 10 轮），Skill 按工具迭代计（默认 10 次）
- 后台 fork Agent：触发后在后台 fork 独立 Agent 做审查，用户完全无感知
- 防无限递归：review agent 自身的 nudge 被禁用
- 审查提示词：以"If nothing is worth saving, just say 'Nothing to save.'"收尾防止交差
三次会话进化案例
| 维度 | 会话 1（冷启动） | 会话 2（Skill 复用） | 会话 3（全协同） |
|---|---|---|---|
| 工具调用 | 12 次 | 9 次 | 6 次 |
| 错误数 | 2 | 1 | 0 |
| Memory | 无 | 触发写入 | 系统提示词注入 |
| Skill | 触发创建 | 复用+自我修补 | 复用已修补版本 |
安全约束
两层防护：
1. Memory 内容扫描：检测 prompt injection、deception、exfiltration 等威胁模式
2. Skill 安全扫描：自创的和安装的 Skill 走同一套扫描
与 OpenClaw 的设计差异
| 维度 | OpenClaw | Hermes Agent |
|---|---|---|
| Skill 来源 | 手写/社区安装 | 自动从工作中提炼 |
| Memory | 追加模式，易膨胀 | 容量限制，倒逼压缩 |
| 上下文加载 | 重型背包（全量塞入） | 动态图书馆（按需加载） |
| 学习能力 | 无 | 每次工作后自动进化 |
设计启示
- 容量限制是特性不是缺陷 — 迫使 Agent 做信息压缩
- 声明式优于命令式 — 给 Agent 留灵活性
- 后台审查不打扰用户 — fork 独立进程
- 安全扫描不可省略 — Memory 最终注入系统提示词
- 组织级进化 — 从单机经验到团队共享（如 RDSHermes Skill Hub）
创建于：2026-06-16 | 基于微信公众号文章合集批次 A