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。
145 条精选近 30 天 137 条共收录 545 条
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。