夜雨聆风
全景概览
2025-2026 年，AI Agent 技能自进化成为最热门的研究方向之一。核心问题从"如何让 Agent 调用工具"演进为"如何让 Agent 创造工具"。
SkillOpt（微软）
关键技术特点
- 冻结 LLM：不需要训练或微调模型参数，完全在文本空间操作
- 轨迹驱动：分析 Agent 执行的成功/失败轨迹，提取可复用的模式
- 外部技能状态：技能作为独立于模型的外部状态存储，可随时更新
- 稳定更新：通过受控的文本编辑确保技能演进过程中的稳定性
- 零训练开销：不需要 GPU 训练资源，普通 CPU 即可运行技能优化
Skills-Coach
方法架构
- 免训练 GRPO：不需要对模型参数做梯度更新，在推理阶段通过策略分组比较来优化
- 技能探索：系统性地探索 Agent 的技能能力空间，发现更优的技能组合
- 自进化循环：执行 → 评估 → 分组比较 → 选择最优 → 更新技能库
EvoSkill（Sentient AGI）
MUSE-Autoskill
Darwin Gödel Machine（Sakana AI）
SkillEvo / MemSkill / 其他
横向对比
进化路径分类体系
发展时间线
参考资料
📄 SkillOpt: Executive Strategy for Self-Evolving Agent Skills — GitHub 📄 Skills-Coach: A Self-Evolving Skill Optimizer via Training-Free GRPO — arXiv 📄 EvoSkill: Automated Skill Discovery for Coding Agents — GitHub / arXiv 📄 MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation — arXiv 📄 The Darwin Gödel Machine: AI that improves itself by rewriting its own code — Sakana AI 📄 Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents — arXiv 📄 SkillEvo: An Experience Learning Framework with Reinforcement — OpenReview 📄 MemSkill: Learning and Evolving Memory Skills for Self-Evolving Agents — GitHub 📄 SE-Agent: Self-Evolution Trajectory Optimization in Multi-Step — NeurIPS 2025 📄 A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence — arXiv 📄 OpenAI Cookbook: Self-Evolving Agents — 实践指南 📄 Awesome-Self-Evolving-Agents — 论文合集
