Agent 自进化，并不会每一轮都变得更强。 这篇《Rethinking Self-Evolving Agent Skills》专门研究 Skill 在多轮迭代里到底是怎么进化的。 作者做了 42 组 evolution run，一共生成 388 个候选 Skill，真正刷新验证集最好结果的只有 55 个。 也就是说，大部分修改其实没有带来有效提升，很多轮次会停滞、退化，最后被回滚。 还有一个很有意思的结果： 最终被选中的 11 个进化 Skill，全部使用了失败轨迹作为反馈；只看成功经验的方案一次都没有胜出。 失败轨迹更像是在告诉 Agent「哪里需要修」，成功轨迹则更适合保留已有能力。 这也说明了自进化更像一场带验证和回滚机制的搜索。 重点不在多迭代几轮，而在每次修改之后，能不能证明这条经验真的值得留下。 📎 arxiv:

叠加循环能让 Karpathy 的训练闭环效率提升 5 倍。 这种方法通过在原有迭代逻辑上再套一层外部反馈，彻底解决了单一循环的收敛瓶颈。两名香港学生整理了 18 页的技术文档，详细拆解了这一机制的具体实现步骤： 1. 建立基础 Karpathy Loop：构建原始的自我演进/训练闭环。 2. 引入第二层嵌套循环：在第一层输出的基础上，叠加一层更高维度的反馈逻辑。 3. 实现非线性增益：通过这种“循环套循环”的结构，让模型在迭代过程中获得指数级的优化效率。 如果你正在构建自我演进（Self-evolving）的 AI 系统，不要只盯着单层闭环，双层嵌套才是实现 5 倍性能跃迁的关键。

昨天我听了一期关于 AI 的播客访谈，感触非常深。访谈嘉宾是 Replit Agent 的负责人，讲了最近前沿大模型的使用体验、AI 技术的发展，还有很多关于 AI 的思考。 我听下来，感觉无论是 AI 的外行或者内行，都能学到一些东西，算是雅俗共赏的一期访谈，强烈推荐大家去听听。 访谈嘉宾提到了这么几个点，让我印象很深刻。 第一点是，Self Evolving Agent 是他未来 12 个月最看好的 AI 方向。 这和我之前推文聊到的 Recursive Self Improvement 是类似的概念，也是我认为继 Coding Agent 之后 AI 应用层下一个最大的方向。 形成自我闭环的 Agent，理论上可以全年 24 小时不间断运行。一旦这个方向真正落地，背后涌现的 Token 需求比现在还要再大几个数量级，可以想象到背后的投资机会。 不过目前 RSI 的现实阻力还是多于实际进展，我觉得可以持续观察下去。 第二点是，目前全世界 99% 的人还没有上车 AI。 嘉宾提到了一个自己走访的案例，他在美国休斯顿打车的时候，故意去和这些司机聊关于 AI 的东西，结果发现没有一个人听说过 Vibe Coding，甚至有一半人连 ChatGPT 都没有用过。 正好我昨天晚上和一个准备做 AI 创业的朋友吃饭，他说他身边绝大多数人只用过豆包，甚至很多人没有听说过 ChatGPT 或者 Claude，这和访谈中的观点不谋而合。 我也瞬间意识到自己落入了一个信息茧房，推特油管上经常看我的观众，一定都听过这些大模型，很多人也拿出了 20 美元订阅，每天高频使用，我经常误以为前沿大模型已经在全世界普及了，但事实完全相反。 如果在中美这样的大国，很多人都还没有用过大模型，不知道 Vibe Coding 是什么，其他国家更无从谈起，AI 市场的潜力远远比我们想象的还要大的多得多。 第三点是，打开 AI 的想象力天花板。 嘉宾提到人的想象力是目前 AI 最大的瓶颈，当年爱迪生发明灯泡的时候，他绝对不会想象到目前人类可以在电的基础上发明出来电脑。 我自己一直这么觉得，相比起之前几次科技革命，AI 最大的特点在于它是一个全新的物种，而非工具，两者是完全不同的概念。历史上人类发明了很多工具，但创造新物种是头一次，这背后包含了无限的想象力。 如果没有想象力、只盯着现有的 AI，那么最直观的感受就是觉得 AI 马上就要走到头了，这是典型的悲观主义者，短期永远是对的，长期绝对是错的。 马斯克经常说到，宁愿乐观的犯错，也不愿悲观的正确，我自己非常认同这句话，AI 的发展一直加速再加速，可能我们已经身处下一个科技奇点，又有什么理由不乐观呢。

🎉 FameEX 8周年快乐！💜 @FameEXGlobal @fameexzhn 八年在场，焕新向前！✨ 从2018年创立至今，穿越牛熊，始终陪伴全球154+国家和地区800万+用户，累计交易额突破4100亿美元 今天正式发布全新品牌主张：Always Here, Evolving Forward 可爱吉祥物 FaFa 😈 也强势上线，品牌年轻化全面升级 接下来我们还将亮相日本WebX、韩国KBW、印尼Coinfest、新加坡TOKEN2049等全球顶级峰会，还有8周年专属福利和周边等你来领 感谢一路走来的每一位家人❤️ 让我们继续并肩，Start Exploring Your Crypto Journey 🔗 官方8周年详情： #FameEX八周年# #FameEX# #FaFa# #加密货币#

豆包大模型 2.1 Pro 发布 0915 版本更新，API 已在火山方舟全量上线。这次升级集中在四个方向：Agent 任务交付、多模态写代码、多模态理解、以及推理成本。 Agent 方面的改进 模型在需要多轮调用工具、联网查资料再出报告的场景里，强化了证据溯源和数据核验能力，幻觉明显减少。官方给的例子是金融投研：模型能自主拆解研究需求、检索数据源再建模分析，产出的底稿接近分析师水平。为了核实某车企财报里的一个说法，模型调度了 500 多个子 Agent、检索超 1000 个网页，还交叉比对了海事航迹、卫星影像等多源信息。这类"不采信单方通稿、多源交叉验证"的能力，对企业做尽调、出研报有直接价值。 多模态 Coding 这次最实用的变化可能是看图写代码。模型现在能直接读懂设计稿、图纸甚至操作录屏，把视觉信息转成前端代码。官方演示了一个场景：给模型一段录屏加几张草图，让它给一个没有文档的老 ERP 系统开发移动端页面——模型读懂了 28 万行 Java 代码，直接还原出可运行的移动端页面。 在代码仓库理解上，模型对开源游戏 Luanti（约 38.7 万行代码）做了自主修复测试，83% 的任务达到了可合并标准。对经常要在大型项目里定位问题、跨文件修 bug 的开发者来说，这个数字值得关注。 其他升级 多模态理解方面，视频推理能力增强，能在视频里定位证据、跨帧整合；图像理解在 3D 物体识别（CAD 工件、游戏引擎元素）和密集图文解析（工程图纸、财报表格）上有明显提升。 成本方面，图像和视频推理的 Token 消耗比上一代减少 30% 以上。 API 使用上有两个入口：调用 Doubao-Seed-2.1-pro-0915 可以锁定版本；调用 Doubao-Seed-Evolving 则自动跟进最新版本，不用换 Model ID。豆包工作和 TRAE 也已同步接入。 官方文章：

Anthropic 工程师 Barry Zhang 在 AI Engineer 工作坊上的一个分享 “如何构建有效的 Agent”，其中印象最深的一个观点：Don't build agents for everything，反过来理解就是别做什么都能干的 Agent，那是我们大模型要干的事情😆 构建有效 Agent 的三大要点： 1. 明智选择应用场景，并非所有任务都需要 Agent； 2. 找到合适的用例后，尽可能长时间地保持系统简单； 3. 在迭代过程中，尝试从 Agent 的视角思考，理解其局限并提供帮助； Barry 主要负责 Agentic System，演讲内容基于他和 Eric 合著的一篇博文，下面详细总结他们的核心观点，以及对 Agent 系统的演进和未来的思考。 Agent 系统的演进 - 简单功能： 起初是简单的任务，如摘要、分类、提取，这些在几年前看似神奇，现在已成为基础； - 工作流（Workflows）： 随着模型和产品成熟，开始编排多个模型调用，形成预定义的控制流，以牺牲成本和延迟换取更好性能。这被认为是 Agent 系统的前身； - Agent： 当前阶段，模型能力更强，领域特定的 Agent 开始出现。与工作流不同，Agent 可以根据环境反馈自主决定行动路径，几乎独立运作； - 未来（猜测）： 可能是更通用的单一 Agent，或多 Agent 协作。趋势是赋予系统更多自主权，使其更强大有用，但也伴随着更高的成本、延迟和错误后果。 核心观点一 并非所有场景都适合构建 Agent (Don't build agents for everything) - Agent 主要用于扩展复杂且有价值的任务，它们成本高、延迟高，不应作为所有用例的直接升级。对于可以清晰映射决策树的任务，显式构建工作流（Workflow）更具成本效益和可控性。 - 何时构建 Agent 的检查清单： 1. 任务复杂度 ： Agent 擅长处理模糊的问题空间。如果决策路径清晰，应优先选择工作流； 2. 任务价值： Agent 的探索性行为会消耗大量 token，任务的价值必须能证明其成本。对于预算有限（如每任务 10 美分）或高容量（如客服）场景，工作流可能更合适； 3. 关键能力的可行性 ： 需确保 Agent 在关键环节（如编码 Agent 的编写、调试、错误恢复能力）不存在严重瓶颈，否则会显著增加成本和延迟。如有瓶颈，应简化任务范围； 4. 错误成本与发现难度： 如果错误代价高昂且难以发现，就很难信任 Agent 自主行动。可以通过限制范围（如只读权限、增加人工干预）来缓解，但这也会限制其扩展性； - 编码（Coding）是一个很好的 Agent 用例，因为它任务复杂（从设计文档到 PR）、价值高、现有模型（如 Claude）在许多环节表现良好，且结果易于验证，例如单元测试、CI。 核心观点二 保持简单 (Keep it simple) - Agent 的核心结构： 模型（Model）+ 工具（Tools）+ 循环（Loop）在一个环境（Environment）中运作。 - 三个关键组成部分： 1. 环境：Agent 操作所在的系统； 2. 工具集： Agent 采取行动和获取反馈的接口； 3. 系统提示： 定义 Agent 的目标、约束和理想行为； - 迭代方法： 优先构建和迭代这三个基本组件，能获得最高的投资回报率。避免一开始就过度复杂化，这会扼杀迭代速度。优化（如缓存轨迹、并行化工具调用、改进用户界面以增强信任）应在基本行为确定后再进行。 - 一致性： 尽管不同 Agent 应用（编码、搜索、计算机使用）在产品层面、范围和能力上看起来不同，但它们共享几乎相同的简单后端架构。 核心观点三 像 Agent 一样思考 (Think like your agents) - 问题： 开发者常从自身角度出发，难以理解 Agent 为何会犯看似反常的错误； - 解决方法： 将自己置于 Agent 的“上下文窗口”中。Agent 在每一步的决策都基于有限的上下文信息（如 10k-20k token）； - 换位思考练习： 尝试从 Agent 的视角完成任务，体验其局限性（例如，只能看到静态截图，在推理和工具执行期间如同“闭眼”操作）。这有助于发现 Agent 真正需要哪些信息（如屏幕分辨率、推荐操作、限制条件）以避免不必要的探索； - 利用模型自身： 可以直接询问模型（如 Claude）：指令是否模糊？是否理解工具描述？为什么做出某个决策？如何帮助它做出更好的决策？这有助于弥合开发者与 Agent 之间的理解差距。 个人思考与未来展望 - 预算感知 Agent (Budget-aware Agents)： 需要更好地控制 Agent 的成本和延迟，定义和强制执行时间、金钱、token 预算，以便在生产环境中更广泛地部署。 - 自进化工具 (Self-evolving Tools)： Agent 或许能设计和改进自己的工具（元工具），使其更具通用性，能适应不同用例的需求。 - 多 Agent 协作 (Multi-agent Collaboration)： 预计今年年底将在生产中看到更多多 Agent 系统。其优势包括并行化、关注点分离、保护主 Agent 上下文窗口等。关键挑战在于 Agent 间的通信方式，如何实现异步通信，超越当前的用户-助手轮流模式。