agent_evolving 自进化

自进化是什么

上一关把每次运行归档成了 Trajectory。自进化就是拿这些轨迹和评估结果回头改进智能体：改提示词、改工具描述、沉淀技能经验，甚至训练模型。

openjiuwen/agent_evolving 里有三条主链路，数据模型、生命周期和持久化各不相同，只是都叫"演进"。

源码三条主链路agent-core/openjiuwen/agent_evolving/AGENTS.md@fbe6a0d9

链路一：离线调参

用例集 → Trainer 预测、评估 → 轨迹 → Updater → 优化器生成候选 → 验证 → 保存检查点

• Trainer 编排整个循环：在用例集上跑智能体、用评估器打分、把轨迹交给更新器、验证候选、保存检查点。
• 可优化的对象由智能体自己通过 get_operators() 交出来，Trainer 不去猜内部结构。
• 多个候选从同一份快照出发各自验证，最后只恢复最好的那个。

源码Traineragent-core/openjiuwen/agent_evolving/trainer/trainer.py:34@fbe6a0d9

对贯穿案例来说：准备一批历史询单和正确的交期作为用例，评估器检查答复里的日期和数量，优化器尝试改写系统提示词或工具描述，只有在验证集上更好的版本才留下。

链路二：在线沉淀技能经验

轨迹 / 人工评审 / 评估结果 → 演进信号 → 更新器、优化器 → 本地预览 → 审批 → EvolutionStore

• 信号（EvolutionSignal）只说明"为什么要改、改哪里"，优化器只生成候选。
• 生成的经验要经过审批才提交，审批和持久化由独立的模块负责。
• 负责评审的智能体只拿到受限的工具：能读限定的证据、提交结构化评审，拿不到主智能体的写入工具。

源码EvolutionSignalagent-core/openjiuwen/agent_evolving/signal/base.py:28@fbe6a0d9

链路三：强化学习

agent_rl 下分离线和在线两部分：离线负责任务、rollout 和训练协调；在线负责通过 Rail 采集数据、评判、调度训练。依赖很重（训练框架、分布式计算等），所以按需延迟导入，普通使用 agent_evolving 不需要装完整的训练环境。

企业落地要注意什么

• 先有评估，再谈优化。 没有可信的评估器，优化器只会朝错误的方向用力。评估器把执行结果转换成分数，基类是 BaseEvaluator。
• 改动要可审、可回退。 离线链路有检查点，在线链路有审批，这两个关口不要绕过。
• 轨迹里可能有敏感数据。 上一关的脱敏配置会影响这里能拿到什么，提前规划好。

小结

• 自进化以轨迹和评估为输入，三条链路分别对应离线调参、在线经验、强化学习。
• 候选更新一律先验证或审批，再生效。
• 评估器是一切优化的前提，先把"什么算对"定义清楚。