第 8 章 · Agent 的持续进化¶
从运行轨迹中获得可靠信号，把经验转化为可验证、可回滚的能力更新
配套实验¶
| 编号 | 项目 | 类型 | 一句话说明 |
|---|---|---|---|
| 8-1 | trajectory-verifier | ✅ | 实验 8-1：28 条真实客服调用、8 次 Judge 调用与 8 条专家标注样本已通过验收；证据同时记录关键违规稳定性主张未复现 |
| 8-2 | gaia-experience | ✅ | 实验 8-2：真实 GAIA 三组轨迹与知识文档对照已验收；证据记录知识文档组仅 25%、两控制组均 50% 的负结果 |
| 8-3 | prompt-auto-optimization | ✅ | 实验 8-3：真实任务 Agent、LLM Judge 与 Coding Agent 跑完初始/自动/人工三组完整保留集和边界集；原始回执与发布门槛已保存 |
| 8-4 | browser-use-rpa | ✅ | 实验 8-4：真实 ARK Agent + Chromium 在可重置本地消息站完成探索、独立验证、参数化回放、假成功对照与页面变化失效 |
| 8-5 | self-modifying-agent | ✅ | 实验 8-5：真实 Coding Agent 从重复故障生成补丁，并与确定性候选、故意过宽的反例通过同一回归/灰度/回滚发布门；证据保留接受与拒绝历史 |
| 8-6 | hermes-self-evolution | 📖 | 把整本书和源码交给 Hermes；它读完后选择一项改进，亲手修改自己，并把每次 Reviewer 的退回变成下一轮学习，直到通过 |
| 8-7 | self-evolution-eval | ✅ | 实验 8-7：static、append-only、evolving 三臂 × 3 seeds × 14 任务共 126 次真实调用；证据保留迁移、规则替换、保持与配对统计 |
以上实验都保留无需 API Key 的离线入口和单元测试用于预检；表中 ✅ 来自各目录保存的真实模型、真实轨迹或真实浏览器规范证据，不由离线机制演示代替。历史数值或定性主张未复现时，证据按负结果如实记录。
证据完整性边界：8-5、8-7 的 canonical evidence 与 latest.json 都有独立
SHA-256 sidecar，当前复算一致；8-4 对三个关键浏览器产物保存并核对了 hash。
8-1、8-2、8-3 的 latest.json 虽与各自真实 run 的 evidence.json 字节一致，
但没有顶层 evidence/source hash manifest，因此可审计强度低于 8-5、8-7，
不能把提交时存在的 JSON 等同于运行时源码已被固定。
补充案例¶
| 编号 | 项目 | 关系 |
|---|---|---|
| 7-8 | prompt-distillation | Prompt 蒸馏与参数化学习的跨章项目；训练方法归入第七章 |
| — | self-evolving-tools | Alita 式工具发现、封装与复用，是“将经验写成程序”的补充案例 |
项目类型说明¶
| 图标 | 类型 | 含义 |
|---|---|---|
| ✅ | 可独立运行 | 本仓库自带完整代码，配置好 API Key 即可运行 |
| 📖 | 复现指南 | 依赖需自行 git clone 的外部仓库（训练框架、评测基准等） |
| 🚧 | 进行中 | 已有实现，但真实数据、真实环境或纵向验收证据尚未完整 |