导语大语言模型（LLMs）的最新进展激发了人们对能够解决复杂现实任务的AI智能体日益增长的兴趣。

        然而，大多数现有的智能体系统依赖于手动设计的配置，这些配置在部署后保持静态，限制了它们适应动态和演进环境的能力。

        为了解决这一局限性，最近的研究探索了旨在根据交互数据和环境反馈自动增强智能体系统的智能体进化技术，这一新兴方向为自我进化AI智能体奠定了基础。

        在这篇综述中，文章首先提出了一个统一的概念框架，抽象了自我进化智能体系统设计背后的反馈循环。

        具体而言，我们首先提出了一个统一的概念框架，抽象了自我进化智能体系统设计背后的反馈循环。

        该框架突出了四个关键组件：系统输入、智能体系统、环境和优化器，为理解和比较不同策略奠定了基础。

         基于这一框架，我们系统地回顾了针对智能体系统不同组件的广泛自我进化技术，包括基础模型、智能体提示词、记忆、工具、工作流以及智能体间的通信机制。

        本综述旨在为研究人员和从业者提供对自我进化AI智能体的系统理解，为开发更具适应性、自主性和终身性的智能体系统奠定基础。

        关键词：自我进化AI智能体（Self-Evolving AI Agents）、基础模型（Foundation Models）、终身学习（Lifelong Learning）、多智能体系统（Multi-Agent Systems）、自主优化（Autonomous Optimization）面博士丨作者论文题目：A Comprehensive Survey of Self-Evolving AI Agents 论文地址：https://arxiv.org/abs/2508.07407发表时间：2025年8月发表期刊：arXiv如果AI不再仅仅是“被动响应”，而是能够“自我成长”？

        在人工智能的发展史中，我们是否已经触及了静态模型的天花板？

         想象一个场景：你部署了一个精密的科研助理智能体，它在上线之初表现完美，但当全新的科研算法发布、或是实验工具库更新时，它却因为固化的逻辑而变得束手无策，必须等待人类专家进行繁琐的手动重构。

         这种“部署即巅峰、随后即落后”的尴尬局面，正是当前大模型应用面临的核心瓶颈：我们的系统是早熟且静态的，而现实世界却是动态且不断演化的。

         那么，我们能否创造出一种像生物一样，能够在交互中学习、在反馈中进化、甚至能够自主制造工具的智能系统？

         这一设想正随着“自我进化AI智能体”研究的兴起而逐渐变为现实。

        范式迁移：从离线预训练到多智能体自主演进的四个阶段要理解自我进化AI智能体（Self-Evolving AI Agents）的深远意义，必须将其置于大语言模型发展的宏大背景中。

        研究者指出，智能系统的演进正经历着一场从“冻结状态”到“完全自主”的范式变迁，这一过程可以清晰地划分为四个阶段。

        第一阶段是模型离线预训练（Model Offline Pretraining, MOP），这是所有智能系统的基石。

        在这个阶段，模型在大规模静态语料库上进行预训练，随后以一种固定、冻结的状态被部署。

        这意味着模型一旦离开训练实验室，其知识和能力便不再更新。

        第二阶段是模型在线适配（Model Online Adaptation, MOA）。

        为了弥补离线预训练的局限，这一阶段引入了部署后的适配技术，如监督微调、低秩适配（LoRA）或人类反馈强化学习（RLHF）。

        通过标签、评分或指令提示，基础模型可以进行更新，以更好地符合特定任务或人类偏好，但这依然主要集中在参数层面的微调。

        第三阶段是多智能体编排（Multi-Agent Orchestration, MAO）。

        随着任务复杂度的提升，单一模型已难以为继，研究界开始协调多个智能体通过消息交换或辩论提示进行协作。

        虽然这一阶段解决了复杂任务的拆解与执行，但智能体之间的协作模式、通信协议和工具链依然是人为预设且固定的。

        第四阶段，也是目前最前沿的阶段，即多智能体自我进化（Multi-Agent Self-Evolving, MASE）。

        这是真正意义上的“终身演进”范式，它引入了一个闭环系统，使得智能体群体能够根据环境反馈和元奖励，持续且自主地精炼其提示词、记忆结构、工具使用策略，甚至是智能体之间的交互拓扑结构。

        这标志着人工智能正从一个“黑盒工具”转变为一个具备长效生命力的“数字化生命体”。

        图 1 ： 以大语言模型（LLM）为中心的学习正从单纯从静态数据中学习，演变为与动态环境交互，并最终通过多智能体协作和自我进化走向终身学习3. 进化法则：生存、卓越与演进的交织为了确保这种自主进化的过程既高效又可控，研究者从阿西莫夫的机器人定律中汲取灵感，提出了自我进化AI智能体的“三大定律”。

        首先是生存定律（Endure），它要求智能体在任何自我修改过程中必须首要保持安全性与稳定性。

        其次是卓越定律（Excel），即在满足安全的前提下，系统必须保持或增强其现有的任务性能，不能因为进化而产生能力倒退。

        最后是进化定律（Evolve），它鼓励智能体在遵循前两条准则的基础上，能够积极响应环境变化，自主优化其内部的所有组件。

        这三大法则构成了一个层级化的约束体系，为迈向真正意义上的强人工智能提供了伦理与技术的双重保障。

        图 2： AI智能体进化和优化技术的视觉分类法，分为三个主要方向：单智能体优化、多智能体优化和特定领域优化。

        树状结构展示了这些方法从2023年到2025年的发展情况，包括各分支中的代表性方法。

        4. 统一概念框架：构建智能成长的闭环逻辑为了系统化地推进这一研究方向，研究者提出了一个高度抽象且具普适性的统一概念框架。

        该框架将复杂的演化过程解构为四个相互作用的核心组件：系统输入、智能体系统、环境以及优化器。

        图 3 ： 智能体系统中自我进化过程的概念框架。该过程形成了一个由四个组件组成的迭代优化循环：系统输入（System Inputs）、智能体系统（Agent System）、环境（Environment）和优化器（Optimiser）。

        系统输入定义任务设置（如任务级或实例级）；智能体系统（以单体或多体形式）执行任务；环境根据不同场景通过代理指标提供反馈；优化器则通过定义的搜索空间和优化算法更新系统，直到达成性能目标。

        整个进化的循环始于系统输入，它为演化定义了边界。这些输入可以是宏观的任务描述，也可以是微维的具体实例。

        随后，智能体系统——无论是单体还是多体结构——在特定的环境中执行任务。

        环境不仅是智能体运行的舞台，更是反馈的源头。它通过预定义的度量指标或基于大模型的评估器，产生衡量系统效能的反馈信号。

        在这一闭环逻辑中，优化器扮演着类似“进化引擎”的核心角色。

        它由搜索空间和优化算法共同驱动。搜索空间决定了智能体系统中哪些部分是可以被“变异”和“筛选”的，其粒度涵盖了微观的提示词、记忆管理策略，直至宏观的系统架构。

        而优化算法则决定了探索这一空间的方法，涵盖了基于规则的启发式搜索、文本梯度下降、以及复杂的强化学习策略。

        这种“执行-评估-优化”的迭代循环，使得系统能够像生物进化一样，通过优胜劣汰，最终收敛于解决复杂问题的最优构型。

        5. 自我进化智能体的优化范式：单体、多体与领域化策略5.1 单智能体优化：深度精炼决策引擎的核心能力在自我进化的塔基，单体智能体的优化直接决定了整个系统的决策深度。

        优化的重心主要集中在基础模型行为、提示词、记忆机制以及工具调用这四个关键维度。

        在基础模型行为优化层面，研究者正致力于增强模型的推理与规划能力。

        除了利用监督微调让模型模仿高质量的推理轨迹，强化学习被广泛用于将推理视为序列决策过程。

        通过自我博弈或偏好学习，模型可以在无外部标签的情况下实现零数据进化。

        此外，测试时计算（Test-Time Compute）技术的兴起为智能体提供了“思考更久”的机会。

        它允许模型在推理阶段利用蒙特卡洛树搜索（MCTS）等算法进行深度思考，从而在不改变模型参数的情况下显著提升复杂逻辑问题的解决质量。

        提示词优化则针对大模型对输入指令的高度敏感性展开。

        除了传统的基于编辑的局部搜索，前沿研究引入了“文本梯度”技术。

        它模仿了神经网络的自动微分思想，将自然语言反馈视为一种语义梯度，引导提示词向着更准确、更稳健的方向演进。

        与此同时，记忆优化解决了长程任务中的遗忘难题。短期记忆侧重于信息的智能压缩，而长期记忆则利用检索增强生成（RAG）技术，构建起可跨会话更新的外部知识库。

        最后，在工具优化领域，智能体不仅学习如何更高效地调用接口，更开始探索自主“制造工具”，即根据需求编写代码并封装为新武器。

        5.2 多智能体系统：从手动编排到拓扑架构的自动演化当任务复杂度超越单体极限时，多智能体系统的协同进化展现出了超越个体的力量。

        这一领域的演进逻辑正经历从“手动设计协作流”到“自动发现协作拓扑”的深刻变革。

        传统的并行流、层级流或辩论机制虽然经典，但在多变环境下往往显得僵化。

        现代自我进化系统将多智能体协作视为一个关于拓扑结构、角色定义和基础模型能力的综合搜索问题。

        在拓扑优化方面，研究者开辟了两条路径：一是代码级工作流优化将交互逻辑视为可执行程序，利用进化算法在程序空间内搜索最高效的逻辑链条；二是通信图拓扑优化则通过动态调整智能体间的连接概率，剔除冗余和高风险的通信环节。

        更进一步的“统一优化”路径认为提示词与拓扑结构是深度交织的整体，只有同步演进才能激发系统的最大潜能。

        此外，针对模型背后的基础模型进行协作导向的强化训练，能够显著增强智能体作为团队成员的沟通质量。

        图 4： 多智能体系统优化方法概览，左侧展示了核心优化要素（空间、方法和目标），右侧展示了优化维度（提示词、拓扑结构、统一优化及LLM骨干网络）。

        自我进化的通用逻辑必须在特定领域的深水区得到验证。

        在生物医学领域，智能体进化侧重于模拟真实的临床诊疗环境，通过多轮问诊补全信息，或利用化学分析工具进行分子发现中的符号推理。

        在编程领域，优化的核心在于代码的自我精炼与自愈调试，智能体通过执行反馈信号定位故障并自主修复。

        金融与法律领域则要求极致的规则遵循。金融智能体需要适应瞬息万变的动态市场，通过博弈平衡收益；法律智能体则通过模拟法庭辩论，在结构化的思维链指引下，确保输出符合司法准则。

        这些实践表明，自我进化并非盲目变异，而是在专业知识指引下的精准适配。

        6. 总体评估、安全性与未来展望随着演进能力的增强，传统的静态评估体系已逐渐过时。

        评估不再是任务结束后的简单打分，而是演化成了指导进化的动态反馈机制。

        除了日益真实的基准测试，利用强模型担任裁判（LLM-as-a-Judge）或让具备推理能力的智能体评价其他智能体（Agent-as-a-Judge）已成为主流。

        这种方式能够捕捉推理轨迹中的细微偏差，提供高频率、低成本的反馈。

        然而，进化的力量也带来了前所未有的安全挑战。由于演进路径具有不可预测性，如何确保智能体在追求性能的同时，始终遵循生存定律和伦理边界，是目前研究的重中之重。

        展望未来，自我进化AI智能体将在更开放、更具交互性的模拟平台中进行全方位的演进。

        它们将不再是单纯的任务执行者，而是能够持续学习、自主制造工具、并根据需求重构自身拓扑的动态生态参与者。

        一个高度适应、自主进化且持久存在的智能时代正加速到来，引领我们通往真正意义上的强人工智能。

        参考文献Zelikman, Eric, Yuhuai Wu, Jesse Mu, and Noah Goodman. 2022. “STaR: Bootstrapping Reasoning with Reasoning.” Advances in Neural Information Processing Systems, vol. 35, pages 15476–15488.Wei, Jason, Xuezhi Wang, Dale Schuurmans, Maarten Bosma, Brian Ichter, Fei Xia, Ed H. Chi, Quoc V. Le, and Denny Zhou. 2022. “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.” Advances in Neural Information Processing Systems.Yao, Shunyu, Dian Yu, Jeffrey Zhao, Izhak Shafran, Tom Griffiths, Yuan Cao, and Karthik Narasimhan. 2023. “Tree of Thoughts: Deliberate Problem Solving with Large Language Models.” Advances in Neural Information Processing Systems, vol. 36, pages 11809–11822.Guo, Daya, Dejian Yang, Haowei Zhang, Junxiao Song, Ruoyu Zhang, Runxin Xu, Qihao Zhu, Shirong Ma, Peiyi Wang, Xiao Bi, et al. 2025. “DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning.” arXiv preprint arXiv:2501.12948. https://arxiv.org/abs/2501.12948.Ye, Rui, Shuo Tang, Rui Ge, Yaxin Du, Zhenfei Yin, Siheng Chen, and Jing Shao. 2025. “MAS-GPT: Training LLMs to Build LLM-Based Multi-Agent Systems.” arXiv preprint arXiv:2503.03686. https://arxiv.org/abs/2503.03686.「大模型时代下的Agent建模与仿真」读书会集智俱乐部联合山东工商学院副教授高德华、天津大学教授薛霄、北京师范大学教授张江、国防科技大学博士研究生曾利共同发起「大模型时代下的Agent建模与仿真」读书会。

        读书会自2025年7月8日开始，每周二晚上7:30-9:30进行，现读书会已结束，支持查看课程回放。

        扫码加入Agent建模与仿真的前沿探索之旅，一起共学、共创、共建、共享「大模型时代下的Agent建模与仿真」社区，共同畅想大模型时代人工社会的未来图景！

        核心问题Agent建模与仿真是什么，核心技术发生了怎样的演变？

        大模型时代，Agent建模与仿真会给复杂系统理论带来哪些突破？

        大模型如何赋能Agent实现自主思考与动态适应？大模型驱动的Agent交互会涌现出什么新型的社会现象？

        Agent建模与仿真如何改变金融、心理、管理、军事等领域的研究范式？

        你将收获梳理Agent建模与仿真的历史发展脉络与方法论；掌握一套理解、分析、控制、预测复杂系统的计算实验框架；掌握基于多主体强化学习的复杂系统优化方法；领略领域前沿学者的研究体系与科研路径。

        详情请见：大模型时代下的Agent建模与仿真：共探人工社会未来图景推荐阅读1. 智能体AI引领社会智能跃迁2. SimWorld：尝试给AI智能体造一个真实世界3. 自然·机器智能：AI智能体时代的科学发现新范式4. 机器人集群如何组装出有趣形状？

        | Nat. Commun. 速递5. 诚招系统科学/AI/物理背景的内容创作者6. 集智学园精品课程免费开放，解锁系统科学与 AI 新世界7. 高考分数只是张入场券，你的科研冒险在这里启航！

        8. 加入集智字幕组：成为复杂科学知识社区的“织网人”点击“阅读原文”，报名读书会