哲学归一：在受控搜索空间中，用可靠评估函数驱动的持续闭环优化
横向对比
横向一句对比：GenericAgent 是"经验落盘，用时查表"；Hermes 是"经验落盘 + 用时纠错 + 遗传筛选"，进化闭环更完整，但复杂度和自评偏差是新引入的风险。
| 框架 | 进化单位 | 进化层级 | 进化操作 | 选择机制 | 闭环程度 | 搜索策略 | 记忆/累积 | 稳定性 | 核心定位 |
|---|---|---|---|---|---|---|---|---|---|
| GenericAgents | prompt / skill | 参数级 | rewrite（人工/LLM） | ❌ 无 | ❌ 无 | ❌ 无 | ❌ 无 | ✅ 高 | 静态组件系统 |
| Hermes | skill + prompt | 功能级 | rewrite / 生成 / 组合 | 🔶 基于任务 success | 🔶 弱闭环 | greedy（局部） | 🔶 skill 可积累 | 🔶 中 | 函数级进化 |
| AgentFactory | agent（代码） | Agent级 | generate（生成） | ❌ 无 | ❌ 无 | ❌ 无 | ❌ 无 | 🔶 中 | Agent生成器 |
| EvoAgentX | workflow（graph） | 结构级 | mutation / crossover / 重组 | ✅ evolutionary selection | ✅ 强闭环 | evolutionary | 🔶 population | ❌ 低 | 系统级进化 |
| Gödel Agent | 自身代码 | 元级 | self-rewrite | 🔶 理论证明 | ❌ 实际不可用 | ❌ 无限空间 | ✅ 理论可累积 | ❌❌ 极低 | 理论自进化 |
指标说明
| 指标 | 定义（它在衡量什么） | 为什么重要（决定什么能力） | 典型取值/范围 | 风险 / 误区 |
|---|---|---|---|---|
| 进化单位 | 系统中允许被修改的最小对象 | 决定“能进化出什么能力” | prompt / skill / agent / workflow / self-code | 单位太小 → 只能调参；太大 → 不可控 |
| 进化层级 | 修改发生在系统哪一层结构 | 决定能力上限（是否能产生新结构） | 参数级 / 功能级 / 结构级 / 元级 | 层级越高，调试难度指数级上升 |
| 进化操作 | 系统如何改变自身 | 决定搜索空间的“形状”和探索能力 | rewrite / mutate / crossover / 组合 / 删除 | 只有 rewrite → 极易陷入局部最优 |
| 选择机制 | 如何判断新版本是否更优 | 决定进化是否“朝正确方向” | rule-based / reward / ranking / RL | reward 不准 → 学坏（reward hacking） |
| 闭环程度 | 是否形成自动迭代循环 | 决定是否“持续进化” | 无 / 半闭环 / 全自动闭环 | 没闭环 → 永远不会真正进化 |
| 搜索策略 | 如何在可能解空间中探索 | 决定效率 vs 探索能力平衡 | greedy / random / evolutionary / bandit | 搜索太弱 → 卡死；太强 → 成本爆炸 |
| 记忆 / 累积 | 是否保留历史进化成果 | 决定是否“越用越强” | 无 / session / 长期知识库 | 没记忆 → 每次从零开始 |
| 稳定性 | 进化过程中性能是否可控 | 决定能否用于生产 | 高 / 中 / 低 | 进化导致退化（regression）或崩溃 |
| 核心定位 | 系统设计目标是什么 | 决定是否真的需要“进化” | 工具系统 / 优化系统 / 研究系统 | 把“生成”误当“进化” |
self-evolving agent list
GenericAgent（2026.04）
GitHub：https://github.com/lsdefine/GenericAgent
核心：7 个原子工具 + 92 行 Agent Loop，以 code_run 为杠杆给任意 LLM 注入本地系统级执行能力。
自进化哲学：不预设技能，每次解决新任务后将执行路径固化为 Skill 写入记忆层，Agent 的能力边界随使用时长单调扩张——本质是把"试错过程"变成"持久化程序"，让经验在 session 之间不消散。
优点
- 任务执行路径直接固化为 Skill，经验复用成本趋零——同类任务从"摸索"退化为"查表"
- Skill 以文件形式落盘，天然可读、可手动审查和修改，不是黑盒
缺点
- Skill 以"首次成功"为准，不是最优解，且没有后续迭代/评分机制
- 环境漂移导致 Skill 腐化：网页改版、API 变更后旧 Skill 静默失效，无版本管理和健康检查
- 无冲突消解：多条 Skill 覆盖同一意图时，召回哪条、谁覆盖谁，没有明确策略
- 记忆层召回机制不透明：Skill 树长大后靠什么匹配任务（语义？关键词？），README 未说明，准确率存疑
- 进化是单向的：只有"写入"，没有"遗忘"或"合并"，长期运行后 Skill 库会冗余膨胀
Hermes（2026.02）
GitHub：https://github.com/nousresearch/hermes-agent
核心：5+ 工具调用后自动生成 Skill 文档，FTS5 全文检索历史 session + Honcho 用户建模，构成一个闭合学习环。
自进化哲学：Skill 在使用中被动态 patch——不只是"首次固化"，而是"用时发现过时/错误即更新"，并通过 DSPy + GEPA（遗传-Pareto 提示进化）在实验分支上对 Skill 和 prompt 做评分筛选，试图让进化有方向而非随机沉淀。
优点（自进化部分）
- Skill 有运行时 patch 机制：发现旧 Skill 失效时当场修正，不是静默腐化
- GEPA 引入评分维度：多轮迭代 + Pareto 筛选，比"首次成功即固化"多一层质量保障
缺点（自进化部分）
- 自评估偏差：agent 几乎总是认为自己执行良好，反馈信号失真，GEPA 尚未解决此问题
- Skill 质量仍不稳定：复杂上下文依赖任务的自动生成 Skill 经常抓不住要点，GEPA 目前仍是实验性的，未进生产主路径
AgentFactory（2026.03，学术界）
GitHub：github.com/zzatpku/AgentFactory
核心：Meta-Agent 将成功任务分解为子问题，每个子问题生成专属 Python 子 Agent 代码持久化落盘，后续同类任务直接复用或基于执行反馈迭代修改——存的是可执行代码，不是文本经验。
自进化哲学："经验即程序，而非笔记"。文本反思无法保证复杂任务的稳定复现，把 Skill 存为标准化 Python 代码（带 SKILL.md 文档），让进化结果具备可执行性和可迁移性。
优点（自进化部分）
- Subagent 基于执行反馈而非自我评估来触发修改，信号比"agent 觉得自己做得好"更可靠
- 代码形式的 Skill 可跨系统导出，进化成果不被平台锁定
缺点（自进化部分）
- Install 阶段从零构建子 Agent 的成本高，首次执行 token 消耗大
- 子 Agent 之间无协调机制，库膨胀后召回和冲突问题同样存在
EvoAgentX（2025.05，学术界）
GitHub：github.com/EvoAgentX/EvoAgentX
核心：对整条 Agentic Workflow（不只是单个 Skill）做自动化演化——用优化算法迭代 prompt、工具选择、子 Agent 拓扑，让 workflow 整体收敛到更优解。
自进化哲学：进化的单位是工作流，不是单步技能。单个 Skill 的优化是局部最优，EvoAgentX 把整个多 Agent 协作拓扑视为可优化对象，用类遗传算法在 workflow 空间搜索。
优点（自进化部分）
- 进化目标是端到端 workflow 表现，避免局部 Skill 优化但整体流程仍低效的问题
- 有明确的评分/筛选机制，进化方向可测量
缺点（自进化部分）
- 学术框架，工程完整度低，生产落地几乎需要从头适配
- 优化 workflow 拓扑的搜索空间极大，实际收敛速度和成本未见系统验证
Gödel Agent（2024.10，学术界）
GitHub：github.com/Arvid-pku/Godel_Agent
核心：Agent 在运行时用 LLM 动态重写自身的执行逻辑代码，而不只是修改 Skill 或 prompt——进化对象是 Agent 自身的行为程序。
自进化哲学：哥德尔机思想的 LLM 实现——自我指涉、递归自改。不预设优化算法，只给高层目标，让 LLM 自己决定"改哪里、怎么改"，理论上没有固定边界。
优点（自进化部分）
- 进化粒度最彻底：工具、推理链、决策逻辑全部可改，没有其他框架的"只能改 Skill"限制
- 无需预定义优化算法，进化策略本身也可以被进化
缺点（自进化部分）
- 安全边界几乎为零：自改逻辑可能产生完全不可预期的行为，比
code_run风险量级高一个数量级 - 纯研究阶段，没有生产可用的工程实现；"自改成功"的验证机制尚未解决