Agent自我进化系统

要解决什么问题

很多团队在把 Agent 接到真实业务后，会遇到两类反复出现的麻烦：同一套提示词有时能跑通、有时在边界 case 上翻车，失败原因又散落在单次对话里，很难系统性地改 prompt。人工对照日志改提示词往往靠直觉，缺少「这次改了什么、成功率有没有变好」的可追溯记录。

技能如何工作

该技能围绕 任务执行复盘、提示词自动优化、能力迭代追踪 三条主线组织流程：

1. 导入任务执行记录 — 批量导入历史任务，标记成功/失败，并设定本次优化目标。
2. 智能复盘分析 — 从失败样本中归纳共性问题，定位提示词或流程上的薄弱点。
3. 提示词自动优化 — 依据复盘结论生成优化方案，并可产出多个候选版本供挑选。
4. A/B 测试验证 — 设计新旧提示词的对照执行，并行对比效果。
5. 能力迭代记录 — 将每次版本变更与观测结果写入成长档案，便于生成迭代报告。

资料中强调的预期价值是：在具备一定历史记录的前提下，通过上述闭环把任务成功率拉高，并减少反复手工调 prompt 的时间。

适用边界与注意点

• 前置条件：你需要已有在用的 Agent 或提示词体系，并积累了一定数量的执行记录；还要先想清楚要优化的是哪类任务或哪条链路。
• 不是万能补丁：它解决的是「有数据、有目标」的迭代优化，无法替代从零设计 Agent 架构或补齐缺失的工具能力。
• 效果依赖数据质量：成功/失败标注是否一致、失败样本是否覆盖真实痛点，会直接决定复盘与生成方案是否靠谱；A/B 阶段仍需要你对业务指标有基本判断。