方向
追踪自我改进 Agent 的仓库、版本与实验：修改代码或策略，通过评测反馈保留有效改进。区分 Agent 自修改、改进机制自修改与自动研究工具；不将普通工作流或未经验证的能力宣称视作递归自我改进。
116 条精选近 30 天 113 条共收录 439 条
David Condrey 在 GitHub 发布 misterdev，一个自主 LLM 构建编排器，可将目标拆解为任务，用锚定 SEARCH/REPLACE 编辑代码，并通过 build/test/lint/typecheck 门控验证每次变更，回归即通过 git 回滚。它以 CLI 或 MCP server 运行，基于 tree-sitter 符号图理解 Python、Rust、TypeScript/JavaScript、Go、Java、C/C++、C#、Swift、Kotlin 九种语言，支持跨 OpenRouter 的成本感知动态模型选择和隔离 git worktree 并行任务，还包含 AlphaEvolve 式自改进循环与双时间尺度工具库。
推荐理由：原文给出了完整的门控机制说明和 Aider polyglot 基准的分语言通过率，读者可以据此评估这个自主构建编排器的实际做法与效果。
论文提出 SIGMA，一种仅需 Model Spec 即可让模型自我改进安全对齐的数据生成与训练流程，通过 spec 引导任务合成和基于 rubric 的强化学习完成。尽管只在单轮对话数据上训练，SIGMA 在多轮智能体环境中将 AgentHarm 有害性从 22.6 降至 14.8，Agentic Misalignment 从 79.1 降至 3.8，优于 Deliberative Alignment 和 Constitutional AI 基线，且保留通用能力。
推荐理由：原文给出了仅凭 Model Spec 进行对齐自我改进的流程和 AgentHarm、Agentic Misalignment 前后数字，可与外部监督方法的局限对照阅读。
arXiv 论文（arXiv:2610.08048）提出 DAEDALUS，用 explorer 与 solver 两个智能体从自生成练习中自举可复用的智能体记忆，无需既有任务或 oracle 验证器。每次 solver 失败派生出启发式规则，并在反复成功后存入记忆库；在 AppWorld、τ²-bench 和 AutomationBench 上，平均成功率较无记忆基线最高提升 15.9 个百分点，pass^5 最高提升 2.2x，推理成本低于多数使用训练任务的方法。代码与生成及推理轨迹已开源，生成的任务还可作为排序模型性能的基准替代。
推荐理由：论文提出不依赖人工任务和 oracle 验证器的智能体记忆自举方法，并在三个环境给出成功率与成本数据，方法可迁移。
franckolv-dev 在 GitHub 发布个人智能体 Ely 4.2（MIT 协议），可订号、发邮件、发 LinkedIn、管理日历并持续执行到目标完成。4.x 为完全重写，从上一版约 24 万行代码加 9 个 Docker 服务精简为约 1 万行 Python 加 3 千行界面、单进程加 SQLite；4.2 按角色设置推理力度，支持 ChatGPT 订阅内模型，并让 Ely 用自己的 GitHub 账号以 pull request 提交自我改进。支持 Chrome 扩展、Android PWA、Telegram、LM Studio 本地模型与多用户，部署命令为 ./ely.sh。
推荐理由：作者给出重写前后的具体对比，从24万行加9个Docker服务压缩到约1.3万行单进程加SQLite，可据此评估其架构取舍。
zou-group 在 GitHub 开源了 Virtual Lab，一个让人类研究员与多个 LLM 智能体通过团队会议和个别会议协作开展科研的框架，配套论文发表于 Nature (2025)，https://doi.org/10.1038/s41586-025-09442-9。框架演示了用 ESM、AlphaFold-Multimer 和 Rosetta 组成的流水线设计 92 个经实验验证的 SARS-CoV-2 纳米抗体；默认使用 OpenAI 的 GPT-5.2，也支持 Claude、Gemini、Ollama 等多家模型，内置 max_cost 费用限额、Docker 沙箱执行代码、MCP 工具接入、项目级预算管理和断点续跑，需 Python 3.12 及以上。
推荐理由：作者详细给出了会议机制、费用限额、Docker 沙箱与断点续跑等设计，读者可以了解多智能体科研协作框架的工程取舍。
EvolvingAgentsLabs 发布开源项目 agentvcs，一个面向智能体的版本控制系统，把代码、目标、模型、trace 和子智能体群作为一个原子提交快照管理。Rust 核心 v0.1 开发中，通过 103/103 一致性测试；支持 fluid/crystallized 状态机、语义三方合并 --reconcile、多维回滚、进化诊断（Price 方程、Muller's ratchet 等）和 MCP server，纯本地运行、零依赖，Apache-2.0 协议，尚未上 PyPI。
推荐理由：原文给出了版本控制的具体命令、合并机制与诚实范围说明，读者可以据此评估这套 agent 运行时演化工具是否适合接入现有工作流。
yannickYamo 发布 Python 工具 receipts，位于研究智能体与最终文档之间，要求每条论断绑定代码抓取页面上的逐字引用、链接和阅读日期，无法对应引用的论断被删除并列出原因。流程分两阶段：代码检查引用是否逐字在页、数字是否在引文内，再由小模型（claude-haiku-4-5）作为 reader 判断句子是否涵盖论断，无答案视为不通过；reader 阶段标价为 120 条论断 $0.17。核心零依赖，需 Python 3.10+，MIT 协议，支持 --code-only 模式与 MCP 服务器，仓库见 https://github.com/yannickYamo/receipts。
推荐理由：作者保留了自家工具的失败测试与误切率，读者可以据此了解这套引用核查流程的真实边界。
lambda-symbolics 在 GitHub 发布终端 Agent Autolith（AL），它运行在活态 Common Lisp 镜像中，可观察、自省并在线修改自身代码与状态，并通过镜像代际、检查点和恢复镜像支持回滚与故障诊断。提示输入即 REPL，消息是 (prompt ...) 的语法糖，支持子 Agent 委派、递归推理（infer/rlm-complete，超上下文窗口输入按内容寻址切片处理）与独立 SBCL REPL 工具。支持 Linux、macOS、FreeBSD、NetBSD、OpenBSD 的二进制与 Nix 安装，Windows 需源码运行，ISC 许可，安装命令 curl -fsSL https://sh.lambda-symbolics.com/autolith | sh。
推荐理由：原文详细说明了这个运行在 Common Lisp 镜像里的终端 Agent 如何自检、回滚和恢复，架构思路与常见 Agent 明显不同。
Nous Research 发布开源智能体框架 Hermes Agent，主打内置学习闭环：从经验中自动创建技能、使用中自我改进、跨会话记忆与用户建模。支持 Telegram、Discord、Slack、WhatsApp、Signal 等平台接入，可切换 Nous Portal、OpenRouter、OpenAI 等任意模型提供商，提供本地、Docker、SSH、Modal、Daytona 等七种终端后端，可在 $5 VPS 到 GPU 集群上运行，并支持从 OpenClaw 一键迁移设置、记忆与技能。项目采用 MIT 许可，仓库地址 https://github.com/NousResearch/hermes-agent。
推荐理由：README 完整列出了学习闭环、七种终端后端和各平台安装方式，想自部署智能体的读者可以据此评估部署成本与迁移路径。
beita6969 在 GitHub 开源 ScienceClaw，一个基于 OpenClaw 网关的科研 Agent 系统，模型参数始终不更新，靠重放验证的可执行修复转化为版本化的 Skill 与 Operator 程序更新。在覆盖 23 个学科的 ScienceClaw-Eval 上，7 轮进化后 OOD 平均提升 16.45%，OOD 宏观成功率从 77.83 升至 91.30，98.23% 实例通过科学硬约束；消融显示分离提交 Skill 与 Operator 只保留 60% 增益。评测数据在 Hugging Face（beita6969/scienceclaw-64-samples），仓库采用 MIT 许可。
推荐理由：原文给出了完整的评测数字和消融对比，读者可以据此评估这种不改模型参数的程序级自进化框架究竟带来多少收益。
GitHub 开源项目 Day0（BrianIsaac/day0）部署一个不带角色、技能和范围的自主 Agent，一切能力来自与雇用者的入职对话：Agent 主持 Day-1 一对一、自己起草章程并等待人工批准，再自行发现工作项、审批计划后才执行，缺技能时自己编写并经本地沙箱冒烟验证后注册。README 记录了一次 3 September 2026 的真实模式完整运行，5 min 8 s 获得首个批准章程，7 次批准、1 次拒绝，撤销 linear:write 后下一次写入被拒，审计轨迹 41/41 完整；支持云端模型、本地 qwen3:8b 无账号路线和托管演示 dayzer0.dev。
推荐理由：原文用一次完整真实模式运行记录了从入职对话到章程批准的全程数字，读者可以照着判断这种自主 Agent 的实际可控程度。
oyekamal 在 GitHub 发布 harness-evolve，一个 Claude Code 技能加单个 stdlib Python 文件，让 Agent 从自身轨迹学习并仅在 eval 门槛证明有效时更新 CLAUDE.md、规则和技能。流程为 collect、drift、diagnose、propose、gate、apply、rollback，只有 tier 0 playbook 自动落地，tier 1-2 需人类审批，tier 3 永不由循环修改；holdout 任务需胜过 best-of-K 重试基线才能通过。
推荐理由：作者把 Claude Code 技能做成 eval 门槛优先的自我改进循环，人类审批和攻击测试的设计思路对搭建同类流程有参考价值。
论文提出 SEIS（Self-Evolving Inference Systems），用智能体自我进化在无人干预下端到端优化 mini-sglang 推理引擎。在 H100 上服务 Qwen3-0.6B 时吞吐达到原版 mini-sglang 的 3.27X，并在单请求负载下超过 vLLM、TensorRT-LLM 和 SGLang；正确性通过数值差异及数学、长上下文检索任务的下游准确率验证，会话经验继承的迭代优化优于独立尝试。论文地址 https://arxiv.org/abs/2610.04646v1
推荐理由：论文用智能体自我进化端到端优化整个推理引擎，并在实测中与 vLLM 等主流引擎做了吞吐对比，方法可迁移到系统优化场景。
Human-Agent-Society 在 GitHub 开源了 Reef，定位为首个面向持续自我改进 Agent 的开源基础设施，连接推理、反馈、学习与版本化交付。它支持模型权重训练（配合 Slime 与 SGLang）和 harness 自我改进（提示词、规则、技能，仅需模型端点无需本地训练 GPU）两条路径，学习循环分 Serve、Observe、Grow、Commit 四步，推理端点兼容 OpenAI 与 Anthropic 格式，recipe 附 AIME 2025、IMOAnswerBench、Terminal-Bench 等实测结果页，仓库地址 https://github.com/Human-Agent-Society/reef。
推荐理由：README 给出四步学习循环、双学习面架构和带实测基准的 recipe 目录，便于评估这套自我改进 Agent 基础设施的落地方式。
thierrypdamiba 在 GitHub 发布 teeth（MIT 许可），一个用于自我改进 Agent 的预测计分库：Agent 对 7 个加密市场以 5 分钟为周期持续预测，用 Brier 分数对照市场实时价格计分，结算自动划转资本，纯 Python 标准库实现，账本为可审计的 JSONL。Agent 凭准确率赚取支出上限，未验证 Agent 上限打 75% 折扣，只有结算结果可改变上限；可作为 DGM 式演化系统的适应度函数，Season 0 到 2026-09-30 为不发放奖金的公开试运行。
推荐理由：提出用实时预测市场作为自我改进 Agent 的适应度函数，Brier 边际随市场结算计分，规避基准泄漏与评委操纵问题。
IgorGanapolsky 在 GitHub 开源 ThumbGate，一个运行在 PreToolUse hook 的 AI 编码 Agent 执行前防护引擎，在工具调用执行前给出放行、警告或硬拦截判定。默认硬拦截 secret 泄露和两类自我禁用命令，rm -rf、force-push 等默认警告，设 THUMBGATE_STRICT_ENFORCEMENT=1 可升级为硬拦截；用户 👎 反馈沉淀为本地规则，可自动从警告升级为拦截，支持 Claude Code、Cursor、Codex、Gemini CLI 等 MCP Agent。免费版每天 2 次反馈、3 条自动规则，Pro 为 $19/月或 $149/年。
推荐理由：作者给出按风险分级的默认拦截策略和分阶段接入流程，读者可以对照自己用的编码 Agent 判断是否适用。