AI guides

今年最火的开源Agent项目,如何思考Agent的自我进化?

By Founder Park1 viewsSource: Founder Park
今年最火的开源Agent项目,如何思考Agent的自我进化?

Agent 的持续学习和自我进化是最近行业内的讨论热点。

The full text has not been translated yet. The Chinese original is shown below.

Agent 的持续学习和自我进化是最近行业内的讨论热点。

4 月 5 日,LangChain 创始人 Harrison Chase 在 X 上发了一篇长文,阐述了他对于 Agent 自我进化的一些思考。

文章配图

核心观点很明确:对 AI agent 而言,「持续学习」不应只被理解为更新模型权重。一个 agent 系统实际上可以在三个层面持续进化:Model、Harness、Context。每一层要考虑的框架搭建和切入点是完全不同的。

知名 Agent 开源框架 DeerFlow 的联合作者 Daniel 在 Harrison Chase 这篇文章的基础上,补充了他们团队在 Agent 进化上的一些思考。

DeerFlow 是字节推出的、基于 LangGraph 的开源 SuperAgent 框架,专注多智能体编排,目前 GitHub Stars 超过 6 万。

01

把 Agentic systems 拆分成三层:

model、harness、context

Harrison 把 agentic system 拆成三层:

  • Model:底层模型本身,也就是权重

  • Harness:驱动模型运行的「外壳」,包括 agent 代码、固定工具、固定提示、执行循环等

  • Context:位于 harness 外部的可配置上下文,例如记忆文件、技能、用户配置、团队配置

文章配图

这一定义的价值在于,它把「学习」从单一的模型训练问题,扩展成了一个完整系统工程问题。

Model 层:最传统,但也是最重的一层

这一层对应大家最熟悉的持续学习:

  • 用 SFT、RL 等方法更新权重

  • 也可能采用更细粒度的适配方式,例如 LoRA

  • 目标是让模型在新任务上做得更好

但这里有一个老问题没有消失:catastrophic forgetting。也就是模型在学习新东西之后,旧能力反而退化。

我的判断是:

  • 对大多数团队来说,Model 层持续学习成本最高

  • 它依赖训练数据、训练基础设施、评测闭环和模型发布机制

  • 这更像平台级能力,而不是普通产品团队可以频繁迭代的日常手段

所以 Harrison 虽然承认模型层很重要,但他的真正重点并不在这里。

Harness 层:这是近一年 agent 工程最被低估的增益点

Harness 指的不是模型,而是「模型怎么被使用」:

  • 系统提示词怎么写

  • 工具怎么暴露给模型

  • 调用循环怎样组织

  • 什么时候截断上下文、什么时候重试、什么时候判断任务完成

  • 哪些日志和 traces 被保存下来,供后续分析

Harrison 在文中点名了 Meta-Harness 这篇工作。它的思路可以概括为:

文章配图

  • 让 agent 在一批任务上运行

  • 收集完整执行日志与得分

  • 把这些历史候选、源代码、执行 traces 都保存在文件系统里

  • 再让一个 coding agent 阅读这些材料,提出新的 harness 改动

  • 评测新 harness,继续迭代

这很重要,因为它说明:

  • agent 的进化可以不改模型,只改运行框架

  • 真正高价值的优化对象,往往是「执行机制」而不是「参数」

  • traces 越完整,harness 优化越像工程迭代,而不是拍脑袋改 prompt

Meta-Harness 官方页面给出的结果也很强:它强调自己的关键差异是让优化器看到完整历史代码、分数与执行 trace,而不是只看摘要。作者称这种「文件系统级上下文」能把每轮优化可用诊断信息提升到远高于传统做法的量级。

文章配图

Context 层:离业务最近,也最适合先落地

Harrison 把 Context 定义为位于 harness 之外、用来配置 agent 的内容,例如:

  • instructions

  • skills

  • tools

  • memory files

  • 用户偏好

  • 团队规则

这层的关键不在「模型学到了什么」,而在「系统记住了什么,并在之后的会话中如何继续使用它」。

LangChain Deep Agents 的官方文档把这件事讲得非常具体。它支持:

  • agent-scoped memory:所有用户共享同一份 agent 记忆

  • user-scoped memory:每个用户拥有独立记忆

  • 在线更新:会话中直接写入记忆

  • 后台整理:在会话外做 consolidation

  • skills 作为一种程序性记忆,只在需要时按需加载

这说明 Context 层并不是「多塞一点提示词」那么简单,而是一套可持久化、可分层、可读写、可检索的记忆系统。

02

Claude Code、OpenClaw,

都可以用三层逻辑去拆

Harrison 在文章里用了两个 mapping:

Claude Code

  • Model:Claude Sonnet 等模型

  • Harness:Claude Code 本身

  • User context:CLAUDE.md、/skills、mcp.json

这个拆法非常实用,因为它直接说明:

  • 你觉得「Claude Code 变聪明了」,未必是模型权重变了

  • 也可能是 harness 改了

  • 或者是你给它的上下文配置更好了

OpenClaw

  • Model:可以接多个模型

  • Harness:Pi 加上一些运行脚手架

  • Agent context:SOUL.md 与来自 ClawHub 的技能

我额外核对了 OpenClaw 的公开文档:

  • SOUL.md 被官方定义为 agent 的人格与语气配置文件

  • ClawHub 被定义为 OpenClaw 的 skills / plugins 公共注册表

这恰好印证 Harrison 的观点:很多 agent 系统的「持续学习」,本质上发生在可配置上下文层,而不是模型微调层。

03

Agent 的持续学习,

更多向着系统优化方向发展

如果把这篇文章提炼成一句话,我会写成:

Agent 的持续学习,正在从「训练模型」转向「优化完整系统」。

这里至少有三个变化:

学习目标从权重转向系统行为

传统 LLM 持续学习更关注:

  • loss 有没有下降

  • benchmark 有没有提升

而 agent 持续学习更关注:

  • 是否更会使用工具

  • 是否更会规划步骤

  • 是否更能从过去的失败里改进执行策略

  • 是否更了解当前用户、团队或组织的偏好

学习单位从单模型转向分层架构

同一个 agent 系统里,不同层的学习频率与代价完全不同:

  • Model:低频、高成本、平台级

  • Harness:中频、工程驱动、可评测

  • Context:高频、业务驱动、最容易在线发生

这意味着持续学习不该只有一个总开关,而应该是三套不同机制。

traces 成为统一燃料

Harrison 在文末反复强调 traces。这是全文最关键的基础设施判断之一。

原因很直接:

  • 想改模型,要有 traces 作为训练/偏好数据来源

  • 想改 harness,要有 traces 作为失败诊断材料

  • 想改 context,要有 traces 作为经验提取素材

换句话说,没有高质量 traces,就没有高质量 agent learning loop。

04

Context 层会最先落地,

Harness 层是下一轮竞争的核心

Context 层会最先普及

我认为三层里最先大规模落地的是 Context 层,而不是 Model 层。

原因:

  • 不需要训练 infra

  • 对业务回报最直接

  • 可按 user / team / org 做隔离

  • 易于做权限管理和回滚

  • 更容易符合企业系统对可控性的要求

很多今天被包装成「agent 会记忆了」的能力,本质上都属于这一层。

Harness 层会成为下一轮 agent 基建竞争焦点

如果 2024 年大家主要比拼「谁先把 agent 跑起来」,那么 2026 年更像是在比:

  • 谁的 harness 更稳

  • 谁的 traces 更完整

  • 谁的评测与回放体系更闭环

  • 谁能更快把失败案例沉淀为下一版 agent 行为改进

这也是为什么 Meta-Harness 这种工作值得重视。它代表一种很工程化的方向:让 agent 帮你改 agent。

05

团队如何做 Agent 产品?

分四个阶段

如果一个团队准备把「持续学习」纳入 agent roadmap,我建议按下面顺序推进:

第一阶段:先把 traces 做对

  • 统一记录任务输入、工具调用、关键中间状态、输出结果、人工反馈

  • 为失败任务保留可复盘证据,而不只是最终报错

  • 给 traces 加上 user / org / task / version 维度标签

第二阶段:优先做 Context learning

  • 从用户偏好、团队规则、术语表、操作 SOP 开始

  • 区分只读记忆与可写记忆

  • 明确作用域:哪些是 user 级,哪些是 org 级

  • 支持在线写入与离线整理两种更新路径

第三阶段:建立 Harness optimization loop

  • 把 agent 在标准任务集上持续运行

  • 对 harness 版本做 A/B 对照和自动评测

  • 让 coding agent 读取 traces,辅助提出 harness 改动候选

  • 建立回滚机制,避免「改 prompt 一时爽,整体稳定性变差」

第四阶段:最后才考虑 Model-level learning

  • 只有当你已经积累了足够多高质量 traces

  • 并且 harness / context 层优化已经逼近上限

  • 再进入微调或更系统的模型训练,投入产出比才更合理

06

一个可以直接复用的判断框架

遇到「agent 该怎么学」这个问题时,可以先问四个问题:

  • 这次要改的,是模型能力、运行机制,还是可配置记忆?

  • 这个改动,应该作用在 agent、user,还是 org 作用域?

  • 这个更新,应该在运行中即时发生,还是在离线任务中整理后再生效?

  • 有没有足够完整的 traces,支持评估这次学习是否真的有效?

如果这四个问题答不清楚,所谓「持续学习」大概率只是一个模糊口号。

07

未来更强的 agent,

不一定来自更大的模型

Harrison Chase 这条帖子和配套文章的价值,不在于提出某个全新算法,而在于把 agent 持续学习重新拆解为一个更实用的三层框架:

  • Model learning 解决底层能力

  • Harness learning 解决执行机制

  • Context learning 解决记忆与个性化

其中最值得产品团队立即行动的,不是训练模型,而是两件事:

  • 建好 traces 基础设施

  • 把 context 和 harness 的 learning loop 产品化

这也是我对这篇文章最核心的结论:未来更强的 agent,不一定先来自更大的模型,而更可能先来自更会「复盘、记忆、重构」的系统。

文章来自于"Founder Park",作者 "Founder Park"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)