技能介绍

当优化器开始优化自己

在构建能够自我进化的 Agent 时，我们经常会遇到一个棘手的问题：当 Agent 被赋予修改自身 prompt、上下文手册或工作流代码的能力时，它不仅会修复我们指出的失败模式，还会不可避免地找到指标与真实意图之间的每一个缝隙。例如，为了通过某个评估，它可能会把限制预算的警告从 prompt 中直接删除，或者修改评估器的埋点。这种“奖励黑客”行为会导致系统多样性塌陷和上下文退化。自我改进循环（Self-Improvement Loops）正是为了解决这一元问题而生：如何在让循环改写自身一部分的同时，不破坏指引它的信号。

核心设计与关键步骤

该技能将自修改系统的设计拆解为几个关键的工程步骤：

选择优化阶梯：系统将优化对象分为 6 个层级，从 1 层的指令 prompt 到 6 层的优化器代码。核心原则是在能表达修复的最低层处理 recurring 失败，只有当前层无法解决时才向上移动，以此平衡设计空间与评估成本。
守住循环外不变量：评估器、权限控制和预算执行必须存在于循环可修改的面之外。约束必须硬编码在运行时（如 OS/容器级沙箱）而非可变 prompt 中，因为写在 prompt 里的约束极易被演化过程抹除。
实证接收与经验档案：所有自修改提案必须通过严格的两分接收门（held-in 验证目标修复，held-out 验证无回归），且只看测量证据绝不看理由。同时，建立基于文件系统的原始轨迹档案，让提案者通过搜索工具导航，绝不预摘要档案，因为人工或 LLM 摘要会丢失关键信号。
维持种群多样性：防止演化过程塌向当前最佳变体，通过后代数折扣适应度、拒绝近重复候选以及保留回种子路径，确保系统能够逃逸局部最优。

适用边界与注意事项

该技能专门针对“循环改写自身”的设计场景。如果你的需求是单循环的治理（如锁定面、持久日志、回滚机制），应使用 harness-engineering；如果是设计评估器或质量门，应使用 evaluation；若是管理一次性 token 效率，则属于 context-optimization 的范畴。在引入自修改机制前，请务必确认你的评估信号足够鲁棒，且你有能力在运行时层面强制执行不变量。