你现在在这里

序章 → 语言模型基础 → Agent 核心 → Memory 体系 → 多 Agent → 工具与框架 → 评估与进化 → 本体论与知识表示 → 自进化 Skills → 数据治理 → 实战案例

当前阅读：自进化 Skills 与 Agent 自我改进

自进化 Skills 与 Agent 自我改进预计阅读：3 分钟前置知识：建议先读 Agent Skills、Harness 设计与评估体系

模块总览进阶运行时

本模块关注 Agent 如何不再只是执行人工预置的技能，而是从执行失败与成功中自动总结新技能、自我修正，并建立必要的护栏与审计。

自进化 Skills 与 Agent 自我改进

工具与框架模块讲的是"人工设计、打包和挂载 Skills"——但真正长期运行的 Agent 系统，能力不应该永远只靠工程师手动加。

模块定位

这个模块回答：当 Agent 在真实任务中反复碰壁或反复成功时，系统如何把这些经验沉淀为可复用的新 Skills？以及，这种自我进化如何不演变成能力漂移和技能污染？

适合谁读

• 长期维护 Agent 运行时、希望系统越用越好用的工程师
• 对 "self-improving AI" 有工程落地兴趣的读者
• 强监管场景下需要审计与回滚能力的架构师

进入前建议

• 已读 Agent Skills
• 已读 Harness 设计
• 已读 评估与进化

本模块文章（待补充）

文章	类型	简介	状态
待写	核心	Skill 的自动发现与自动打包机制	📝 待写
待写	核心	自我修正循环：从执行失败到生成新 Skill 的闭环	📝 待写
待写	工程	自进化机制的失控风险与护栏设计（技能污染、能力漂移、版本回滚）	📝 待写

学完后去哪里

如果你关心自进化系统在强监管场景下如何合规落地，可以进入 数据治理；如果你想回到"怎么定义和衡量好的表现"，则回看 评估与进化。