会自己长本事的 AI 智能体，离工程行业还有多远？

一个尴尬的事实：大多数企业部署的 Agent，在上线一年后和第一天一模一样。权重冻结、系统提示冻结、工具清单冻结。唯一在积累的是日志，而日志通常在看板上过一次，就消失了。

人类工程师不是这样工作的。老师傅做完一个项目，会把踩过的坑记下来；下一次遇到类似情况，直接绕开。这就是"经验"，也是当前 AI 智能体最缺的东西。

2026 年，一批研究正在把"越用越聪明"从口号变成可训练、可验证的系统。

一、五条代表性路线图 1 最务实的路线：把交互轨迹沉淀为可复用的技能，循环回灌

二、三条值得记住的结论

第一，不改模型参数，也能变强。 Skill-Evo4GUI 的路线最值得工程行业关注：它把交互轨迹和评估反馈沉淀成一个持久化、可版本管理的技能库，模型权重一动不动，四个应用域平均提升 5.7 到 18.6 个百分点。这意味着——没有算力、没有标注团队，也能让 Agent 进步。

第二，技能入库要设门槛。 EvoDS 的做法非常工程化：技能要经过"合成、验证、缓存、扩展"四阶段，而且只有出现频次达到阈值（3 次）才被永久纳入动作空间。为什么要设门槛？因为一次性噪声会污染整个动作空间。 这个规则几乎可以直接抄走。

第三，三种升级杠杆的成本差两个数量级。当 Agent 表现不佳时，你手里的选择是：改提示词、加技能、刷新记忆，或者重训模型。前三者便宜，最后一个贵得多。而"该拉哪根杠杆"这件事，今天几乎完全靠人的直觉判断。蚂蚁、港科大与清华那篇论文把这个问题正式提了出来——他们主张需要一个统一的"进化控制面"，根据轨迹统计自动决定更新哪个层次。

那篇论文还提出了一个很清醒的判断：当前企业级自进化智能体最大的瓶颈，不是缺少更强的模型，也不是缺少更好的强化学习算法，而是缺少一套能把已部署经验转化为可治理、可归因、可回放学习材料的系统底座。 执行记录每天都在产生，却没有合适的格式承载；等不来更好的模型，等来的应该是一条还没建起来的数据管道。图 2 自进化方法的性能提升与 Agent 失败原因分布

三、国外：研究领先，但离工程现场还很远

优点集中在研究端。论文密度高、迭代快；评测基准是公开的（如 OSWorld），可以横向比较；强化学习基础设施由大厂先行投入，异步训练、陈旧度控制这类工程细节已经有成熟方案。

缺点同样明显。

一是预印本占多数，尚未经同行评议，数字需要谨慎对待。二是成本门槛高。以 EvoDS 为例，训练使用 4 张 A800 起步——这不是工程单位能随手复现的资源。三是迁移性存疑。这些工作大多在通用桌面环境评测，与真实工程软件（专业 CAD、结构计算工具）的操作差距很大。四是失败分布暴露了短板：有分析显示，失败案例中指令遵循占 52%，执行预算占 18%，协调占 18%，推理仅占 12%。也就是说，卡住 Agent 的往往不是"不够聪明"，而是"没按规矩办事"。这对强调规范性、程序性的工程行业，是一个重要提示。

四、国内：数据优势用不上，但有一条低成本路线

国内的处境很有特点：数据不能出内网，所以走不了重训模型这条路；但业务闭环紧密，反而最适合走技能库这条低成本路线。

优点有三条。

一是工程规范天然就是评分标准。国外论文费很大劲去构造"评分规则"（rubric）来自动评估 Agent 的输出，而工程行业的规范条文、验收标准、强制性条文，本身就是一份现成的、可枚举的检查清单。这是工程行业独有的结构性优势。

二是场景明确、反馈闭环短。图纸对不对、算量准不准、方案能不能过审，结果当场就能判断，学习信号质量高。

三是技能库路线的实施成本低。不需要算力集群，不需要标注团队，只需要纪律。

缺点有三条。

一是缺少公开基准与评测方法，不同方案只能自测，容易自我说服。二是重训路线基本走不通，只能依赖开源权重的本地化部署，能力上限受制于人。三是技能库很容易变成没人清理的垃圾堆——这是最现实的风险。没有入库门槛、没有版本管理、没有淘汰机制，技能库积累到几百条之后，检索质量反而下降。

五、对工程行业意味着什么

第一，先建轨迹，再谈进化。 要把每次任务执行记录按步骤粒度留存。关键不是"结果对不对"，而是"十步操作里是哪一步走歪了"。这是学习的信号载体，也是今天绝大多数单位完全缺失的一环。

第二，技能库是性价比最高的一步。拆图规则、命名规则、图层标准、审核要点——这些既有的隐性知识，恰好对应四层记忆里的"程序记忆"。把它们结构化沉淀下来，配上门槛与淘汰机制，就能让 Agent 在不改参数的前提下进步。

第三，规范条文可以直接当评分标准用。 这是国内工程行业的独特机会：不必等国外把评测体系做出来，手里已经有一份现成的检查清单。

第四，警惕"指令遵循"这个失败大头。既然 52% 的失败来自没按规矩办事，那么约束 Agent 行为的工作流设计，比提升模型能力更紧迫。

六、未来展望

轨迹数据协议会走向标准化。目前最大的缺口是没有一个标准容器，能以步骤粒度承载学习信号、跨异构的 Agent 范式通用。这件事一旦解决，自进化的门槛会明显下降。

进化控制面会出现。根据轨迹统计自动决定"改提示词、加技能、刷记忆还是重训模型"，把今天靠直觉决定的事变成可计算的事。这可能是未来两年最有价值的一类基础设施。

自进化会从"改模型"转向"改上下文"。行业正在意识到一个更朴素的道理：对绝大多数企业来说，Agent 的进步不来自参数更新，而来自知识与技能的积累。

七、给工程从业者的四条建议

从记录开始。把 Agent 的执行过程按步骤存下来，包含每步的输入、动作和结果。这是所有后续能力的地基。

给技能设门槛。照搬"验证加频次"的规则：只有被验证过、且反复出现的技能才正式入库。一次性经验不进库。

定期清理。 技能库要有淘汰机制。半年不用、从不命中的技能，果断删掉。

先问"该拉哪根杠杆"。表现不好时，别上来就想着换模型。先看是提示词的问题、缺技能的问题，还是记忆脏了的问题——这三种情况的修复成本，比换模型低两个数量级。

工程行业从来不缺经验，缺的是把经验留下来的机制。这一点上，人和 Agent 面临的是同一个问题。