foster32986 开源自我改进代码 Agent 框架 self-improving-agents 并对比四级循环实测结果

foster32986 在 GitHub 开源了自我改进代码 Agent 研究框架，把自我改进分为四级，从 AutoResearch 循环到带种群动态的对抗 Arena 循环，并附 Snake、客服、邮箱校验三个任务的横向实验结果。关键发现包括固定基准会制造虚假信心，Levels 1-3 在邮箱校验原始测试上得 90-100% 但在对抗套件上降到 62-66%，Arena Loop 保持 70%；Feedback Loop 在 Snake 上以 31.1 分胜出且每任务成本 $0.03，约为 Arena 的 1/20。框架支持 checkpoint 续跑、自定义任务和终端观看 Snake AI 对局，Level 3 的 meta-agent 可重写自身源码并有三阶段崩溃恢复校验。