谈到"让 Agent 自我进化"，很多人脑海里浮现的是某个瞬间突变的超级智能。但真实的进化从不是突变，而是闭环------一个把"做了什么、结果如何、该改哪里"不断喂回自身的循环。没有闭环，Agent 只是重复；有了闭环，Agent 才谈得上迭代。
1、进化是闭环，不是突变
把"自我进化"挂在嘴边很容易，落到实处却必须回答一个朴素问题：Agent 凭什么越变越好？答案不在某个玄妙的自我改写算法，而在一个朴素的工程结构------反馈闭环。每一次行动产生结果，结果被评估，评估沉淀为经验，经验反过来改变下一次行动的策略。这个环每转一圈，Agent 就离"更胜任"近一步。
因此判断一个 Agent 是否真的在进化，看一件小事就够了：它能否在第三次遇到同类任务时，做得比第一次好，并且这种变好是可解释、可追溯的。能做到这点的，才是闭环；做不到的，只是会重复。闭环比任何华丽的自我修改口号都重要。
自我进化的第一性原理不是"能改写自己"，而是"能把结果变输入"。改不改写模型权重只是手段，能不能让经验回流进决策，才是本质。
2、四元闭环：感知---反思---行动---验证
一个可落地的自我进化闭环，通常拆成四个环节。感知 是采集：任务上下文、行动轨迹、环境反馈、人类评价都进入经验流；反思 是归纳：从这一次的具体轨迹里提炼出"什么有效、什么踩坑"的抽象；行动 是应用：把提炼出的策略写回提示词、工具选择或路由逻辑；验证是校准：在后续任务上比较"用了新策略"与"沿用旧策略"的差距，确认有效才保留。
这四个环节必须形成闭环而非断链。最容易断的地方是"反思→行动"------很多系统能总结经验，却没有人把经验接回决策路径。
3、经验的结构化：从情节到语义
闭环保留经验，但经验若只是一堆原始轨迹，是没法复用的。自我进化的关键一跃，是把情节记忆 （某次任务的具体过程）提炼成语义记忆（可迁移的策略性知识）。一次"调用工具 X 超时后用 Y 兜底"是情节；抽象成"高延迟外部工具须预设兜底路径"才是语义。
结构化的另一个好处是可信。当经验是带前提条件、适用边界和效果度量的结构化条目，Agent 才能像查表一样精确调用，也能让人审核它为什么这么改。
4、在线与离线回放
闭环可以在两条时间轴上运转。在线 回放指 Agent 在真实任务流中即时把结果喂回自己，优点是贴近当下分布，缺点是一次失败可能污染正在服务的策略。离线回放则是把历史轨迹攒起来，在沙箱里批量反思、批量验证，确认安全后再灰度上线。成熟的做法是"离线为主、在线为辅"。
离线回放还解决了一个隐性问题------样本偏差。真实流里成功的任务远多于失败的任务，如果只在线学习，Agent 会系统性地高估自己。把历史失败案例刻意保留进回放池，才能让反思覆盖到"哪里会翻车"。
5、探索与利用的张力
自我进化里藏着一个经典矛盾：Agent 既要利用 已验证有效的策略以求稳定，又要保留探索新做法的空间以求突破。完全利用会陷入局部最优；完全探索则永远在试错，服务质量剧烈波动。
务实的折中是给探索设预算：在低风险的内部任务里，允许一定比例的探索性行动；在面向用户的强约束场景，则把探索收拢到影子模式或离线回放。让"敢不敢试"由风险等级决定，而非由情绪决定。
没有预算约束的探索，不是进化，是折腾。自我进化的优雅之处，在于它知道什么时候该保守。
6、收敛与漂移：进化的终止条件
一个常被忽视的问题是：进化何时算"够了"？理想状态下，Agent 的能力随迭代轮次逐步收敛到平台期。但现实里也存在漂移：经验库被某段时期的特殊负载污染，Agent 在一个窄分布上越练越偏，却在通用任务上退化。缺乏多样性回放，曲线会在后期拐向漂移。
收束来看，Agent 自我进化最性感的部分不是"它变聪明了"，而是它有一套让变聪明可持续、可纠偏、可审计的机制。反馈闭环就是这套机制的骨架------它不保证每次都对，但保证每次错都能被下一次用上。
自我进化的尊严，在于它把"犯错"从终点变成燃料。一个不会从自己错误里回收价值的 Agent，再能说会道，也只是原地打转。