在这一序列中，核心演化轨迹可概括为四个阶段：模型离线预训练阶段（MOP）、模型在线适应阶段（MOA）、多智能体编排阶段（MAO），以及多智能体自进化阶段（MASE）。各阶段在前一阶段的基础上推进，逐步从冻结的基础模型走向具备持续自我优化能力的系统。
- MOP：初始阶段强调在海量、静态的语料上对基础模型进行预训练，并以固定状态部署，后续不再依赖额外的参数更新。
- MOA：在部署后赋予模型一定的在线适应能力，通过监督微调、低秩适配等手段利用标签与反馈对模型进行适度更新。
- MAO：通过多智能体协作实现更复杂任务的解决，若干个 LLM 之间通过消息传递与协作提示共同完成目标，而不需要改动底层模型参数。
- MASE：最终阶段引入持续的终身自进化循环，智能体群体能基于环境反馈与元奖励，持续优化提示、记忆、工具使用策略，甚至交互拓扑等，以实现长期自适应。
从 MOP 到 MASE，LLM 系统的开发范式正在从被动、静态的配置，逐步转变为数据驱动、环境感知、可持续进化的自适应生态。这一转变为实现更具自主性、弹性与长期学习能力的智能体系统奠定了理论与实践基础。
尽管自进化智能体描绘了令人向往的未来，全量实现仍是长期目标。目前的研究重点聚焦于智能体的进化与优化，即通过与环境的持续互动，迭代地改进系统的关键组成部分，以在真实任务中获得更好的表现mile米乐。研究方向主要集中在三大层面：提升底层模型的核心能力（如规划、推理与工具使用），优化智能体系统的辅助组件（包括提示词、记忆、工具、工作流等）以提升对新任务和动态环境的泛化能力，以及在多智能体系统中优化拓扑结构与通信协议，从而实现更高效的协作与信息共享。
关于智能体的综述，往往聚焦于通用架构、核心能力或特定领域的应用，较少系统覆盖自进化与持续适应的最新进展。因此，本文提出一个统一的概念框架，抽象呈现自进化智能体设计中的反馈循环，明确四大组成部分：系统输入、智能体系统、环境和优化器，构成自进化循环的核心。基于这一框架，我们梳理了面向不同组件的进化与优化技术，包括底层 LLM、提示词、记忆、工具、工作流拓扑以及智能体间通信机制，并简要讨论了在生物医学、编程、金融等领域形成的领域特定进化策略。本文还系统性讨论了自进化智能体的评估标准、安全性与伦理问题，强调在推进研究与应用时必须兼顾有效性、鲁棒性与责任性。
现有研究在“进化什么”“如何进化”“何时进化”等维度形成了多样化的分类，但统一的框架有助于从全局理解自进化智能体的机制与挑战。为便于理解，本文给出一个高层次的概念模型：通过系统输入描述任务与数据，通过智能体系统执行任务并在环境中不断获取反馈，优化器据此搜索并产生新的配置，对系统进行迭代更新，直到达到设定的性能与安全性阈值。该过程形成一个闭环，驱动从单智能体到多智能体系统的逐步自进化。作为实现的一例，开源框架 EvoAgentX 已在自进化智能体工作流的端到端流程中提供了自动化生成功能，支持从生成到评估再到优化的完整循环。
在具体技术层面，四个核心组成部分各自承担不同角色，形成相互促进的协同体系。
- 系统输入：用于定义任务、约束和数据源的上下文信息，通常包括任务级输入（如任务描述、训练与验证数据及测试集）和实例级输入（具体的输入输出对及上下文）。在某些场景中，标注数据不足，需通过合成数据或自生成轨迹来支撑迭代优化。
- 智能体系统：指单一智能体或多智能体集合，作为反馈循环的核心对象。单智能体优化通常聚焦于基础模型的行为、提示策略、记忆与工具使用等单元；多智能体优化则扩展到智能体间拓扑、通信与协作机制，以及跨智能体的协同工作流。
- 环境：为智能体提供运行上下文并产生评估反馈。环境既可以是公开基准数据集，也可以是动态的真实世界情境。环境反馈通常以任务相关评估指标的形式呈现，必要时可由外部验证器或基于模型的评估器生成代理指标与文本反馈。
- 优化器：自进化循环的核心，负责在给定输入与评估信号下搜索并生成更优的智能体配置。搜索空间覆盖提示词、工具、记忆、架构以及在多智能体场景中的拓扑结构等。优化算法则包括规则启发、贝叶斯优化、MCTS、强化学习、进化算法等，决定了探索与利用之间的权衡。
在单智能体场景下，优化通常聚焦于提升一个智能体在某一任务上的表现，核心维度包括：对 LLM 的行为优化、对提示词的改进、对记忆系统的增强以及对工具使用策略的优化。基础 LLM 的提升方法可分为两大类：训练型方法（对模型参数进行微调以增强推理与规划能力）与推理时方法（在不变更参数的前提下改进推理过程的策略）。训练型方法通过监督微调、强化学习等手段，逐步建立更可靠的推理轨迹与中间推理能力；推理时方法则通过改进解码策略、引入多步推理与搜索等，提升输出质量与稳定性。提示词优化、记忆优化与工具优化各自形成独立的研究线索，并在必要时实现多组件的联合优化，以应对更复杂的任务与动态环境。
多智能体工作流的优化则将问题提升到一个更高维度的协作层面。传统人工设计的工作流在适应性与扩展性上存在明显瓶颈，因而催生了自进化的多智能体系统。此类系统把工作流视为一个多维搜索问题，涉及智能体拓扑的结构搜索、角色与任务分配的语义设计，以及核心 LLM 的能力提升。不同的拓扑形态（层级、中心化、去中心化）各有优劣，影响信息流、协作效率与系统鲁棒性；通信方式则从结构化格式到自然语言再到标准化协议，旨在实现高效、可互操作的跨智能体协作。进一步地，提示词与拓扑之间的耦合被视为联合优化的关键，研究者提出了基于代码表示、基于显式搜索、以及基于学习的多种联合优化路径，以在成本与性能之间实现更优的折中。
领域特定的自进化智能体优化则需对专业任务进行定制化设计。例如在生物医学、编程、金融与法律等领域，智能体不仅要解决领域内的任务，还要与专业工具、领域知识图谱、跨模态数据和法规约束对齐。医学诊断与分子设计场景强调多智能体协作、外部工具集成与循证推理；编程领域突出对代码生成、调试与优化的协作工作流与模块化智能体设计；金融与法律领域则强调规则驱动的推理、对外部数据源的即时接入以及对合规性的持续关注。
在生物医学领域，分子发现与诊断任务常借助领域特定工具、记忆结构和多模态推理来提升可靠性。头部研究显示，通过将化学信息学工具、知识图谱与记忆模块深度集成，可以实现更高质量的化学推理与药物设计；多智能体协作与自我反思机制的结合有望提升诊断流程中的可解释性与稳定性。编程领域的自进化智能体则强调自我纠错、任务驱动的协作工作流与对外部工具的动态整合，以实现持续迭代的代码优化与调试能力。金融与法律领域的研究则通过模块化角色设计、规则驱动推理以及跨智能体的协作推理，提升决策的稳定性与合规性，同时通过对外部信息源的整合实现更高的任务适应性。
总体而言，自进化智能体以闭环的自我改进机制为核心，将环境反馈、元级推理与结构自适应紧密耦合，使智能体不再仅仅是一次性训练的产物，而是一个能够“生长”、“学习”和“持续存在”的生态系统。这一愿景如果落地，将在科学发现、软件工程、人机协作乃至物理世界的智能系统建设中，带来长期的、可扩展的自适应能力与可信赖的可持续性。
为帮助理解，本文提出一个高层次的概念框架，概括性地覆盖现有主流优化方法，便于系统性比较与分析。自进化过程通常从任务规范出发，包括高层目标、可用数据与上下文信息；随后将系统部署到环境中执行任务，并通过评估指标产生反馈信号；优化器据此在可探索的配置集合中搜索并产生新的智能体配置，随后重新部署进入下一轮迭代。该闭环在多轮迭代中持续推进，直至达到稳定性与性能的目标。以该框架为基础，已有开源实现能够支持从智能体配置的生成、执行、评估到优化的完整流程。
本文的主要贡献可以概括为以下四点：一是将自进化三定律 formally 化，并把以 LLM 为核心的学习范式从静态预训练延伸到完全自主、终身自进化的智能体体系；二是提出统一的概念框架，抽象出自进化智能体设计中的反馈循环，为理解与比较不同方法提供基础；三是系统地回顾单智能体、多智能体以及领域特定场景中的进化与优化技术；四是全面梳理自进化智能体系统的评估、安全性与伦理问题，强调其在确保有效性、可控性与负责任部署方面的关键作用，并指出未来的挑战与研究方向。
为了帮助读者快速把握智能体进化与优化的脉络，本文还对现有 AI 智能体系统进行了概述。AI 智能体指能够自主感知输入、推理目标并与环境交互以完成任务的系统。单智能体是该领域研究的基础，核心组件通常包括基础模型（以大语言模型为代表）、感知、规划、记忆、工具使用等模块。感知模块负责从文本、声音、图像等信息源中提取可用于推理的表示；规划模块实现多步任务分解与执行路径的设计；记忆模块通过短期与长期记忆实现信息的保留与一致性；工具使用模块使智能体能够调用外部资源与计算能力，增强处理现实世界任务的能力。
在现实任务中，单智能体往往难以覆盖广泛场景的专精需求与协作需求，因而催生了多智能体系统（MAS）的研究。MAS 摘要为一组自主智能体在共享环境中协作完成共同目标，核心在于智能体拓扑和通信协议的设计。拓扑决定信息流动与协作方式，直接影响任务分配与执行效率。MAS 的结构通常包括层级、中心化与去中心化三类，各具优劣：层级结构在分工明确且易于优化的场景表现突出，中心化结构在全局规划与执行之间实现较好平衡，去中心化结构则提升鲁棒性与可扩展性，但需解决信息同步与协作成本等挑战。
在智能体之间的协作方面，通信方式经历了从简单消息传递到更为结构化的协议化通信的演变。结构化输出（如 JSON、XML、可执行代码）提升了跨系统的可读性与互操作性；自然语言通信则保留丰富的上下文信息，便于人机协作与创意任务，但可能带来歧义与效率挑战；标准化协议则推动跨系统、跨平台的互操作性，提升协作的可控性与透明度。通过对通信协议的设计与约束，MAS 能在更大范围内实现协作与共创。
从演化史看，MOP、MOA、MAO 的演进虽然降低了对人工配置的依赖，但仍需手工设计工作流、通信协议和工具链，难以在开放、动态的环境中持续保持高水平表现。因此，MASE 的提出正是为了解决这些局限。MASE 通过闭环反馈让智能体群体能够自主生成、评估与优化工作流、提示词、记忆与工具使用策略，甚至自适应拓扑结构，在环境反馈与元奖励驱动下实现生命周期内的持续进化。这一终身自进化的愿景在科学研究、软件工程以及人机协作等领域，潜在地带来更高的自主性、鲁棒性和长期学习能力。
为了帮助理解自进化智能体的设计与优化过程，本文提出了一个高层次的概念框架，覆盖四大要素：系统输入、智能体系统、环境与优化器。通过对这四个要素及其交互的梳理，可以清晰地把握自进化循环的运作机制、研究重点与挑战所在。本文还对单智能体与多智能体在不同场景下的典型优化器设计进行了系统分类，并在领域特定情景下给出可操作的设计思路。最后，本文对自进化智能体的评估、安全性与伦理问题进行了深入讨论，强调在追求性能提升的同时，必须确保透明性、可控性与责任性。
总体而言，本文旨在为研究者与实践者提供对自进化智能体系统的全面、系统性的理解，帮助在实现更高水平自主性、持续学习能力和长期适应性的智能体系统方面进行更高效的研发与部署。通过统一框架与分类整理，我们希望为未来在各领域实现可持续、可信赖的自进化智能体提供清晰的路线图与方法论指引。