You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
flowchart TB
U([用户]) -->|消息| A["主 Agent"]
A -->|回复| U
K[("技能库")] -->|激活的技能注入| A
A -->|"演进唯一入口:模型'自觉'调写入工具<br/>(默认关闭,实测极少触发)"| W["技能写入(过双层安全扫描)"]
W --> K
W -.-> H[("修改历史<br/>(全量快照,只审计)")]
sequenceDiagram
participant U as 用户
participant A as 主 Agent
participant T as 工具集
participant K as 技能库
U->>A: 任务消息(/技能名 激活技能)
A->>K: 读取技能
K-->>A: 技能全文注入上下文
loop 任务执行(多轮)
A->>T: 工具调用(每轮计数,但无人消费)
T-->>A: 执行结果
end
A-->>U: 回复 —— 调用链到此为止
Note over A,K: 回合结束,无学习动作;<br/>本轮经验(踩坑、纠正)随会话流失
A--)K: skill_manage 写入<br/>(仅当模型"自觉",默认关闭,极少发生)
flowchart TB
U([用户]) -->|消息| A["主 Agent"]
A -->|回复| U
A -->|"每轮结束,响应已投递<br/>(后台执行,不打断用户)"| R["① D1 后台回顾<br/>复习本轮对话:踩坑、纠正、可复用工作流"]
U -->|"/learn …"| L["④ D4 学习命令<br/>对话 / 文档 / 仓库 → 技能"]
A -->|"主会话内演进<br/>(现状保留)"| W["技能写入<br/>↓<br/>双层安全扫描(不变)"]
R --> W
L --> W
W --> G{"② 语义初筛(全量)+ 高风险修改?<br/>(修补 / 编辑进 A/B)"}
G -->|否| K[("技能库")]
G -->|是| AB["② 沙箱 A/B 试跑 + 裁决<br/>旧版 vs 新版,谁干活更好"]
AB -->|"新版不劣"| K
AB -->|"新版更差"| RB["③ 自动回滚"]
RB --> K
K -->|"注入,下一轮即生效"| A
K -->|使用统计| T["⑤ 遥测与治理<br/>30 天未用标记过期,90 天归档<br/>+ ②门禁的生产追认信号(纠正率↑→提示回滚)"]
T -.->|"只归档不删<br/>(恢复走③)"| K
sequenceDiagram
participant U as 用户
participant A as 主 Agent
participant T as 工具集
participant Q as 防抖队列
participant R as 回顾 fork(后台)
participant S as 安全管线+A/B 门禁
participant K as 技能库
U->>A: 任务消息(/技能名 激活技能)
A->>K: 读取技能
K-->>A: 技能全文注入(顺带记一次使用,⑤)
loop 任务执行(多轮)
A->>T: 工具调用(累计计数,①的门控输入)
T-->>A: 执行结果
end
A-->>U: 回复 —— 先交付,学习不阻塞用户
rect rgb(235, 245, 255)
Note over A,K: 以下全部在后台(响应投递后触发)
A->>Q: ① 计数达标 → 对话快照入队<br/>(新消息到来可取消并重新入队)
Q->>R: ① 派发回顾任务
R->>K: ① 技能查阅(先读后写)
K-->>R: 现有技能全文
R->>R: ① 四类信号 → 四步决策树<br/>(修补优先,新建必须类级命名)
R->>S: 技能修改提交(修补/新建)
S->>S: 双层安全扫描(不变)
S->>S: ② A/B 沙箱试跑 + 裁决
alt ② 裁决通过(新版不劣)
S->>K: 新版落盘
else ② 裁决劣化(新版更差)
S->>K: ③ 自动回滚到旧版
else ② 无法判定 / 无测试任务
S->>K: 保留放行(默认宽松)
end
end
Note over K,A: 学习成果在下一轮任务自动生效
U->>A: 下一轮任务消息
A->>K: 读取技能(已是新版)
K-->>A: 新版注入 —— 循环闭合
Loading
两张时序图(现状 vs 优化后)的关键差异只有一处:回复 这条线之后。现状它是终点,优化后它分出一条后台链(蓝色区块),且整条链不打扰用户——用户从发出消息到收到回复的体验完全不变。
reacted with thumbs up emoji reacted with thumbs down emoji reacted with laugh emoji reacted with hooray emoji reacted with confused emoji reacted with heart emoji reacted with rocket emoji reacted with eyes emoji
Uh oh!
There was an error while loading. Please reload this page.
目录
第一部分:业界 Agent 自演进机制
Agent 自演进指智能体在任务执行后,基于环境反馈、执行轨迹、评估器或自身反思,自主更新影响未来行为的持久性资产,从而"越用越强"。2026 年该方向已成共识性赛道:核心闭环为
任务执行 → 经验/轨迹收集 → 反思与归因 → 更新持久性资产 → 验证(保留/回滚)→ 迭代。以下五家是当前最具代表性的实现。1.1 五家项目档案总表
热度背景:
1.2 核心四问速览
/evolve_rollback一键回滚1.3 各家演进机制详解
(每家统一按"架构定位 → 演进机制 → 演进对象 → 触发方式 → 演进方式"展开)
1.3.1 Hermes Agent
架构定位:单一
AIAgent类承载 ReAct 同步循环,CLI / 消息网关 / 批处理均为同一核心的不同入口;技能存 SQLite(agentskills.io 标准),记忆为 memory.md / user.md + SQLite 会话库。演进机制:"三路写入 × 三层资产"分权演进——按用户在场程度将演进时机分流到三条路径。
演进对象(三层资产):Skill(agentskills.io 开放标准,可跨宿主迁移)、Memory(事实/偏好/环境,Honcho 用户建模)、Cron(定时自动化任务,如"学会每周五生成周报")。
触发方式(三条路径):
演进方式:直接改本体——主 Agent 通过 skill_manage 等工具直接修改技能内容,无补丁层、无独立评估单元。安全仅靠 write_approval 开关(默认关 = 自由写);无自动回滚。
1.3.2 GenericAgent
架构定位:极简主义——约 3300 行核心代码、92 行 Agent Loop、9 个原子工具;记忆全为纯文本文件,无数据库、无专用演进子系统。
核心目标:提升上下文信息密度与执行效率——同一 Agent 做同类任务时 token 更少、速度更快、错误更少。记忆/SOP 沉淀只是手段,本质是效率深化。写入判据是边际价值:只有"重新获取成本 > 存储+上下文占用成本"的信息才配写入;通用常识严禁存储。
演进机制:演进 = 纯文件读写,由两条公理(提示词级硬约束)保证写入质量:① No Execution, No Memory——未经行动验证的信息禁止写入;② 验证过的数据神圣不可删改——允许压缩迁移,禁止丢失准确性。
演进对象(L0–L4 记忆文件):L0 元规则(信息经济学手册,按需加载)、L1 索引(≤30 行硬约束,只记"存在"不记内容——体系命门:索引失效则 L3 再好也等于不存在)、L2 事实库(路径/凭证/配置)、L3 SOP + 高复用脚本(技能=记忆,折叠进记忆层级)、L4 原始会话(归档层,12h 自动压缩)。
触发方式:Agent 自主判断(核心路径,任务完成后调用
start_long_term_update,无验证信息则忽略)+ 空闲自主运行 + cron 12h + Goal Mode(时间预算内自驱动"检验→改进"循环,无法宣告完成,检验发现不了问题则强制升级检验标准)。演进方式:直接改文件——file_patch 原地改写记忆文件;无审批、无评分、无自动回滚(手动 git 兜底)。
1.3.3 agent-core
架构定位:openJiuwen 平台核心 Python SDK;Rail(可插拔钩子)在模型调用后 / 工具调用后 / 迭代后 / 整次调用后 4 个点挂载自演进逻辑。
演进机制:信号驱动的在线演进管线 + EUF 量化评分闭环 + 四层全栈演进。
演进对象(四层,五家中唯一打通参数层):L1 Skill(SKILL.md 本体 + evolutions.json 补丁层)、L2 系统提示词(InstructionOptimizer)、L3 工具描述(BeamSearch 两阶段优化)、L4 模型权重(verl PPO/GRPO + 在线 LoRA 热加载)。
触发方式:6 类信号源归一为
EvolutionSignal(指纹去重)经 Rail 分发:执行失败/脚本产物(确定性规则)、用户意图(LLM 判定)、团队轨迹问题、离线评测低分回灌、评审反馈归因、显式命令/evolve。演进方式:打补丁(补丁层分离)——本体 SKILL.md 日常不可变,经验 append-only 追加到 evolutions.json;运行时按 EUF 分数(0.5×有效性 + 0.3×使用率 + 0.2×新鲜度,90 天半衰期)动态注入补丁经验;EUF 打分对象是每条经验记录(注入后由异步 LLM 评估 used/positive/negative 逐条回写);低分进整理候选(DELETE/MERGE/REFINE),高分经显式 rebuild 固化进本体(rebuild 前强制归档);出错
/evolve_rollback一键回滚。默认用户审批(中断式裁决)。1.3.4 Prime Agent
架构定位:TypeScript 宿主 + 持久 IPython 内核的 RLM 运行时(上下文即变量);演进状态存 harness_state.json。
演进机制:Continual Harness——把 prompt / 记忆 / 技能 / 子智能体规格作为 token 历史之外的持久可编辑状态,plan → apply → rebuild 闭环演进。
演进对象(harness 四类条目):prompt(行为策略附注,基础系统提示词不可变,只写补充层)、memory(持久事实)、skill(Python 调用契约)、subagent(委派规格)。
触发方式(四入口):① Agent 自主(
await refine.run(),turn 结束后执行);② auto-refine(25 assistant turn / 上下文压缩触发,先过 LLM 审查门 + 20 分钟冷却);③ 用户命令/refine [--global];④ 内核直写(rlm.harness.*CRUD,无 LLM 规划的即时通道)。演进方式:结构化条目——LLM 输出结构化 JSON edits(create/update/delete × 四类资产),带证据约束与最小编辑原则;逐条 validateEdit + baseline 冲突检测 + version 递增 + 原子写;apply 前等待 quiescence(agent 空闲且事件队列全部 settle)。每次记录 before/after 快照,回滚 = 逆序生成反向 edits(链式,可"回滚回滚")。local/global 双作用域。
1.3.5 OpenSpace
架构定位:外挂式技能演进基础设施(MCP server)——不是独立 Agent,而是接入任意宿主的 Skill Hub。宿主经 MCP 委托任务,OpenSpace 用自有 runtime + 技能库执行,在执行中采集证据、受控演进技能,成果反哺所有宿主。
演进机制:"证据驱动的受控演化"——八阶段强制管线,含手动修复一律不可绕过:
演进对象:Skill(多文件目录,FIX 修复 / DERIVED 派生 / CAPTURED 捕获三类变更)+ 版本谱系(SQLite 版本 DAG,每次变更全目录快照)+ 信任状态(provisional/trusted 两态,与 enabled 开关正交)。
触发方式(三类 TriggerJob,全部持久化、幂等、可重试):ANALYSIS(任务结束 checkpoint 自动后分析)、QUALITY_SIGNAL(工具失败影响技能的确定性检测)、MANUAL(经 MCP 发起,手动也必须走全管线)。
演进方式:暂存验证提交——五家中管控最重:LLM 补丁永远先写 staging/proposed/ 目录不碰目标技能;确定性验证器(高危字段禁改、秘密扫描、因果证据引用检查);行为评估三道门:Contract(结构合同)→ Routing(真实排序器测试)→ Replay(五家唯一的行为级验证:sandbox 重放任务对比新旧版本实际行为,候选不优于现状即拒绝提交);准入含归因分离(环境失败不触发技能演进——不是技能的错);提交后 trust 状态机(连续 2 次独立成功晋级 TRUSTED,可归因失败降级)。
1.4 横向对比速查
1.4.1 触发方式总表
/evolve/refine1.4.2 演进方式对比(核心差异)
1.4.3 写入门槛与回滚能力
1.5 核心洞察:五种演进哲学与借鉴清单
五种演进哲学
值得借鉴的机制清单
关键读数:行为级验证(Replay)是五家中 OpenSpace 独有、且被公认为"内容审核无法证明实际效果"的解法——其余四家(含写入安全最薄的"直接改本体"路线两家)均无此能力。这个缺口正是第三部分 DeerFlow 方案的切入点之一。
第二部分:DeerFlow 目前的自演进机制
2.1 什么是技能自演进,为什么需要它
概念。DeerFlow 的"技能"是按任务类别组织的指导文档(SKILL.md,可附带脚本、模板等支撑文件),激活后注入 Agent 的系统提示,指导它完成某一类任务(如"部署 Python 服务")。技能自演进,就是 Agent 在使用过程中自主维护这套知识库——把踩过的坑、用户的纠正、验证过的工作流沉淀为技能,并持续修补、淘汰过时内容。
为什么需要。模型的能力边界由训练决定,不随使用而增长。没有自演进:
有了自演进,能力曲线从"模型能力(常数)"变为"模型能力 + 经验积累(随使用增长)"——Agent 从"被反复询问的工具"变成"越用越顺手的助手"。这正是自我改进型 Agent(self-improving agent)成为当前研究与工程前沿的原因,也是本提案的立项依据。
2.2 四类痛点:每一类 DeerFlow 做了什么、缺了什么
技能自演进要真正成立,必须过四关:学得到(信号来源)、学得对(质量闸门)、回得去(版本恢复)、不膨胀(生命周期)。DeerFlow 在每一关上都是"做了一半"。
痛点一:学不到——演进信号没有可靠来源
做了的:
skill_manage工具链完备(创建/修补/编辑/删除,含支撑文件操作),主会话内演进在能力上完全可行;缺了的:一切演进都压在"主模型干活时自觉调工具"上——回路默认关闭,实测极少沉淀。三个具体缺口:
痛点二:学错了没人管——演进没有质量闸门
做了的:每次写入都过双层安全管线(静态规则扫描 + LLM 审查,fail-closed)。但要看清它的边界:这层保的是安全(防技能内容里藏毒、防危险代码),不判断质量(这次修改是否让技能更好)——安全与质量是两个正交的维度,安全管得再严也挡不住"越改越差"。
缺了的:欠缺 5|无效果验证——新版技能不经任何"不劣于旧版"的检查即落盘,多轮演进可能持续劣化且无人察觉。
痛点三:改坏了回不去——可恢复性不完整
做了的:每次修改的前后完整内容都追加进历史(append-only 快照链,可审计、可溯源);管理端已提供查看历史与手动回滚技能主文件的接口。
缺了的:删除动作不留内容快照(删了就找不回来);支撑文件不在回滚范围;没有供程序调用的恢复入口(自动回退无法实现)。
痛点四:只进不出——技能库没有生命周期
做了的:技能按需激活(斜杠命令显式激活后注入上下文),激活处有审计事件埋点。
缺了的:欠缺 2|无生命周期治理——没有使用统计(用过多少次、最后一次何时)、没有过期/归档机制,技能库只增不减,长期运行必然膨胀。
2.2.1 欠缺与开发项对应表
2.3 流程图:现状
现状(只画实际存在的流):
flowchart TB U([用户]) -->|消息| A["主 Agent"] A -->|回复| U K[("技能库")] -->|激活的技能注入| A A -->|"演进唯一入口:模型'自觉'调写入工具<br/>(默认关闭,实测极少触发)"| W["技能写入(过双层安全扫描)"] W --> K W -.-> H[("修改历史<br/>(全量快照,只审计)")]图上看不到的环(即 2.2 节四类痛点、欠缺清单,也是第三部分方案的靶子):
任务执行调用链:现状
上面这张图回答"数据往哪流",下面这张时序图回答"一次任务执行中,各环节何时介入"。看主线即可:现状,回复即终点。
sequenceDiagram participant U as 用户 participant A as 主 Agent participant T as 工具集 participant K as 技能库 U->>A: 任务消息(/技能名 激活技能) A->>K: 读取技能 K-->>A: 技能全文注入上下文 loop 任务执行(多轮) A->>T: 工具调用(每轮计数,但无人消费) T-->>A: 执行结果 end A-->>U: 回复 —— 调用链到此为止 Note over A,K: 回合结束,无学习动作;<br/>本轮经验(踩坑、纠正)随会话流失 A--)K: skill_manage 写入<br/>(仅当模型"自觉",默认关闭,极少发生)(现状与优化后的调用链对比图见第三部分 3.3 节。)
2.4 两个参照系
/learn命令、周期治理归档),是 D1/D4/D5 的机制参照;但其写入安全薄、也没有效果验证。PAST-Bench 论文中的 Hermes+ 指开启全部学习机制的实验配置,其成绩是本方案的对标水位。2.5 五家镜子下的诊断
用第一部分的五家框架照 DeerFlow 现状,每个痛点都能找到"哪家已经解决了、DeerFlow 缺什么":
诊断结论:DeerFlow 现状是典型的"工具链使能 ≠ 自演进闭环"——基础设施在五家中属上乘(安全管线、全量历史、内置沙箱、已验证的后台调度),但闭环断裂:演进入口单点依赖模型自觉、写入无质量验证、恢复不完整、无生命周期。五家已各自验证了四类痛点的解法,第三部分的 D1–D5 即把这些解法按 DeerFlow 既有基础设施裁剪整合。
第三部分:DeerFlow 优化方案
3.1 方案总览:D1–D5 开发项
五个开发项与第二部分的欠缺清单一一对应。优先级 P0 = 立即启动、P1 = 次期、P2 = 跟进。
/learn显式学习命令欠缺 → 开发项对应:欠缺 1(无后台回顾)→ D1;欠缺 4(纠正不进技能)→ D1;欠缺 3(无显式入口)→ D4;欠缺 5(无效果验证)→ D2(D3 兜底);可恢复性不完整 → D3;欠缺 2(无生命周期)→ D5。
排期:D1 先行(M1 里程碑);D2 裁决器与 D1 并行启动(无耦合);D3 跟随 D2 落地;D4/D5 随后。五项全部建立在既有基础设施之上(记忆系统后台调度、内置沙箱、全量修改历史),无一项需要新守护进程或新安全面。
3.2 演进方式选型
对照第一部分四条演进路线,DeerFlow 的选择逻辑:
一句话:Hermes 的形态 + OpenSpace 的验证内核 + 自家沙箱设施 = 改动最小的可信演进路线。
3.3 优化后架构
(①–⑤ 徽标对应 D1–D5;读法:从上往下是"学 → 验 → 存 → 用",末尾两条回边构成完整学习循环)
flowchart TB U([用户]) -->|消息| A["主 Agent"] A -->|回复| U A -->|"每轮结束,响应已投递<br/>(后台执行,不打断用户)"| R["① D1 后台回顾<br/>复习本轮对话:踩坑、纠正、可复用工作流"] U -->|"/learn …"| L["④ D4 学习命令<br/>对话 / 文档 / 仓库 → 技能"] A -->|"主会话内演进<br/>(现状保留)"| W["技能写入<br/>↓<br/>双层安全扫描(不变)"] R --> W L --> W W --> G{"② 语义初筛(全量)+ 高风险修改?<br/>(修补 / 编辑进 A/B)"} G -->|否| K[("技能库")] G -->|是| AB["② 沙箱 A/B 试跑 + 裁决<br/>旧版 vs 新版,谁干活更好"] AB -->|"新版不劣"| K AB -->|"新版更差"| RB["③ 自动回滚"] RB --> K K -->|"注入,下一轮即生效"| A K -->|使用统计| T["⑤ 遥测与治理<br/>30 天未用标记过期,90 天归档<br/>+ ②门禁的生产追认信号(纠正率↑→提示回滚)"] T -.->|"只归档不删<br/>(恢复走③)"| K与现状对照的四个结构性变化:演进入口 1 → 3(后台回顾 +
/learn+ 主会话保留);写入后新增验证回退环(②→③);历史从"只审计"升级为"可恢复"(③);技能库有进有出(⑤)。首尾回边让数据流闭合成完整学习循环:学到 → 学对 → 存住 → 用上 → 再学。任务执行调用链:优化后
(与第二部分 2.3 节现状时序图对照。⑤遥测在技能激活点顺带记录,未在图中展开。)
sequenceDiagram participant U as 用户 participant A as 主 Agent participant T as 工具集 participant Q as 防抖队列 participant R as 回顾 fork(后台) participant S as 安全管线+A/B 门禁 participant K as 技能库 U->>A: 任务消息(/技能名 激活技能) A->>K: 读取技能 K-->>A: 技能全文注入(顺带记一次使用,⑤) loop 任务执行(多轮) A->>T: 工具调用(累计计数,①的门控输入) T-->>A: 执行结果 end A-->>U: 回复 —— 先交付,学习不阻塞用户 rect rgb(235, 245, 255) Note over A,K: 以下全部在后台(响应投递后触发) A->>Q: ① 计数达标 → 对话快照入队<br/>(新消息到来可取消并重新入队) Q->>R: ① 派发回顾任务 R->>K: ① 技能查阅(先读后写) K-->>R: 现有技能全文 R->>R: ① 四类信号 → 四步决策树<br/>(修补优先,新建必须类级命名) R->>S: 技能修改提交(修补/新建) S->>S: 双层安全扫描(不变) S->>S: ② A/B 沙箱试跑 + 裁决 alt ② 裁决通过(新版不劣) S->>K: 新版落盘 else ② 裁决劣化(新版更差) S->>K: ③ 自动回滚到旧版 else ② 无法判定 / 无测试任务 S->>K: 保留放行(默认宽松) end end Note over K,A: 学习成果在下一轮任务自动生效 U->>A: 下一轮任务消息 A->>K: 读取技能(已是新版) K-->>A: 新版注入 —— 循环闭合两张时序图(现状 vs 优化后)的关键差异只有一处:
回复这条线之后。现状它是终点,优化后它分出一条后台链(蓝色区块),且整条链不打扰用户——用户从发出消息到收到回复的体验完全不变。3.4 D1(P0):轮次结束后台回顾
目标:补欠缺 1(无后台回顾)与欠缺 4(纠正不进技能)。让"用户纠正了工作流""踩坑后解决""发现可复用的工作流"三类信号在每轮对话结束后被一个后台 Agent 实例(回顾 fork:只携带技能管理 + 技能查阅两个工具,独立于主对话运行)系统性回顾,产出技能修改——不再依赖主模型"自觉"。
方案设计:
防抖队列机制说明(复用记忆系统
MemoryUpdateQueue,已在生产验证)。一句话:"等对话安静 30 秒再统一学习"的缓冲池——把 N 次学习压缩成 1 次,用户全程无感。生命周期"攒 → 等 → 学":四项关键保障:过载退化(背压)——队列满时丢弃无信号的常规任务(因快照每轮全量重传、失败时水位线不前进,丢的下一轮自动重喂,丢=延迟不丢数据);而带信号的任务(正则命中"不对/你理解错了/改用/完全正确"等纠正/强化话术)无视容量上限强制放行——纠正内容沉在历史里未必能被重喂,丢了就是真丢。串行与防自旋——同一时刻仅一个 worker 执行(防并发写覆盖),干活期间新任务只留"重跑标志"由 worker 结束时统一补跑。部署安全——进程退出时以硬超时(默认 30 秒,配合 K8s grace period)冲刷积压任务,滚动部署不丢学习任务。紧急通道——summarization 删除消息前走 0 延迟插队,且不挤掉已排队的正常任务(借 Prime Agent"压缩前抢救"思想)。
与计数门控的分工:计数器管"这轮值不值得学"(资格筛选),队列管"什么时候学、学几次、谁先学"(调度执行)——前者降入队率,后者降执行率,二者相乘才是真实 LLM 调用次数,缺一不可。
回顾指令的四类一等信号(任一命中即应行动):① 用户纠正了工作流/方法/步骤 → 固化为技能的坑位提示或显式步骤;② 用户纠正了风格/格式/详略 → 写进技能正文(记忆系统记"用户是谁",技能记"这类活怎么干"——欠缺 4 的直接解法);③ 出现了非平凡的技术/修复/调试路径 → 捕获为技能或其支撑文件;④ 本轮使用过的技能被发现错误/缺步/过时 → 立即修补。
四步优先级决策树(优先选最早适用者):修补本轮实际使用过的技能 → 查阅现有技能库修补既有条目 → 在既有技能下补支撑文件 → 都不覆盖才新建——名称必须是任务类别级(如
deploy-python-service),禁止 PR 号、错误串、fix-X 类一次性命名,防碎片化。反模式清单(防"自我强加的持久约束"):环境相关的一次性故障(装完就好的缺依赖);对工具的负面断言(会硬化成 Agent 长期引用的自我拒绝);会话内已自行恢复的瞬时错误;以及未验证的失败序列——几种方法都没走通就结束的会话,禁止包装成"可靠工作流"留给未来会话信任和重复。
验收标准:集成——模拟一轮含工作流纠正的对话 → 回顾产出一条技能修补记录,且下轮主会话技能索引已更新;基线(PAST-Bench)——流程复用与更新两维度 Δ 显著为正(对标 Hermes+ Update Δ=+0.24 / Procedural Δ=+0.14);机制证据——学习轮技能写入率 ≥ 基线 2 倍,评测轮加载调用率同步上升。
主要风险与对策:回顾写入劣化技能 → 先读后写语义 + 历史可回滚兜底(质量门禁是 D2 职责);长对话成本高 → 输入预算上限 + 摘要压缩重放;后台循环自我强化错误 → 反模式清单、D2 门禁、全量历史回滚三道防线。
3.5 D2(P1):三层效果验证门禁
目标:补欠缺 5(无效果验证):技能演进在生效前必须证明"新版本不劣于旧版本"。这是 DeerFlow 与 Hermes 共同缺失、无法借鉴、必须自研的一环。
设计上先划掉两条直觉路径:单层无条件 A/B 在用户场景不成立(测试任务难具代表性、LLM 执行有采样噪声、成本高);纯 LLM 语义判断同样不成立(无 ground truth 时退化为"哪个写得漂亮"——LLM judge 已知偏好长文本与工整排版;看不出"文本变好、执行变差";生成与评判同源会自我强化)。
因此采用三层漏斗:便宜的层全量跑、贵的层选择性触发、免费的层事后兜底——验证强度与修改风险成正比,验证成本与触发频率成反比。
与 OpenSpace Replay 的同异:同在"候选不优于现状即拒绝"的行为级验证内核(五家之后第二个落地行为级验证的系统);异在触发经济学——OpenSpace 每次演进固定全管线(10+ LLM 调用),DeerFlow 用三重条件把最贵的一层变成选择性触发,用生产遥测补测试任务的代表性盲区(五家都没有的免费验证层)。
验收标准:初筛——构造 50 例明显劣化修改,拒绝率 ≥ 90%,好修改误杀率 ≤ 5%;裁决器——构造回执对(一好一坏)裁决正确率 ≥ 95%;隔离性——试跑沙箱内对真实技能库的写尝试必须失败;端到端——构造"候选劣化"场景 → 拒绝 → 自动回退 → 内容与回退前一致;成本——第一层单次 ≤ 30 秒,第二层单次墙钟 ≤ 2 分钟。
主要风险与对策:初筛误杀好修改 → 只拒"明显劣化"、误杀率纳入验收、被拒修改留全量历史可人工复活;A/B 采样噪声 → 三重条件收紧触发率 + 无法判定即放行;追认信号误判 → 第三层只提示不自动回滚。
3.6 D3(P2):版本回滚补全
目标:管理端已有"查看全量历史 + 手动回滚技能主文件"的接口(回滚内容重过安全扫描、回滚本身也记入历史,历史链不断)。本项补齐三个缺口:删除可撤销、支撑文件可回滚、程序化恢复入口——让"任何演进都可逆"成为硬性质,同时给 D2 提供回退的执行机构。
方案设计:
验收:任意技能经"创建 → N 次修改 → 删除 → 恢复"后内容与删除前逐字节一致;D2 的回退裁决触发程序化恢复后,技能内容与旧版一致且历史含门禁拒绝记录。
收益:演进可逆成为硬保证——D1 的学习速度、D2 的门禁松紧都因此敢于放大;核心机制已存在,本项是补全而非新建,投入最小。
3.7 D4(P2):
/learn显式学习命令目标:补欠缺 3(无显式学习入口)。对标 Hermes 的
/learn——用户明说"这值得存",是信号质量最高的通道。方案:命令语法
/learn [技能名] [--from doc|repo|demo](无参数 = 从当前对话提炼)。在既有斜杠命令路由层识别/learn前缀,转交学习 fork——完全复用 D1 的执行器与工具白名单,仅替换为学习专用指令(按源类型三分支:当前对话提炼 / 文档结构化 / 仓库探索;文档与仓库源临时放开只读文件工具)。类级命名纪律与 D1 决策树第 4 步相同,防/learn沦为碎片技能制造机。验收与收益:模拟
/learn对话提炼与/learn --from doc文档入库各一条端到端用例。收益:无需等回顾周期,用户即时触发即时固化;D1 基础设施的第二消费方,摊薄其建设成本。风险:显式学习可能过拟合单次偏好——走同一双层安全扫描,且修补/编辑类修改同样在 D2 门禁 scope 内。3.8 D5(P2):使用遥测 + 惰性治理
目标:补欠缺 2(无生命周期治理)。
方案:
验收与收益:长期运行(>50 会话)技能库规模有界。收益:技能库长期不膨胀;为 D2 提供验证排序信号;改动面极小、无守护进程、无运维负担。
3.9 机制借鉴映射:五家经验进入 D1–D5
对照第一部分 1.5 节借鉴清单,逐条标注去向:
/learn蒸馏/learn命令(含 --from doc/repo 扩展)三条明确的改进点(不是照搬):对 Hermes——后台回顾"打断即丢弃"改为防抖队列"取消后重新入队"(学习机会不丢失);对 OpenSpace——全量八阶段每次 10+ LLM 调用简化为三层漏斗(初筛全量便宜、A/B 选择性触发、追认免费);对 agent-core——EUF 逐条评分替代为类级技能粒度 + D5 遥测整体信号(复杂度大降,粒度匹配)。
3.10 评测与验收:PAST-Bench
选 PAST-Bench(26 场景 / 204 episode,评测个人 Agent 在线自演进能力)的理由:唯一同时满足四项硬需求的基准——跨会话留存(测"上次学的这次用上了吗")、换模型(结论不绑定底模)、换框架(DeerFlow 与 Hermes 可同表对比)、轨迹归因(区分"凭底模做对"与"凭留存经验做对")。
核心方法:每任务"开持久层/关持久层"各跑一遍配对实验——Δ = 演进净增益;Mech = 机制证据分(修改历史 = 写入证明 + 激活审计 = 加载证明 + 门禁拒绝记录 = 验证证明,防"没学也涨分"的假阳性)。
成本预算:M1 评测首跑限定子集先建水位;日常运行——D1 每次回顾 ≈ 一次子任务委派;D2 第一层初筛全量(≈ 一次小模型调用 + 规则校验),第二层选择性触发(≈ 2 次沙箱执行 + 1 次裁决调用),第三层追认复用 D5 遥测零额外成本。
3.11 总结
整体叙事:D1 让 DeerFlow"学到",D2/D3 让它"学对",D4/D5 让它"学得省、学得久"——五项合围,把第二部分的欠缺清单全部闭环。与业界对标:机制上取 Hermes 之形(三路入口 + 治理),验证上取 OpenSpace 之神(行为级门禁),并凭借内置沙箱与已验证的记忆调度底座,在"演进方向可控"(三层门禁)上形成对 Hermes 的反超点;调度层的防抖窗口(同会话合并、打断重入队)则是五家均无的独有改进。
欢迎讨论
以上方案的所有 DeerFlow 现状判断均基于源码走读,欢迎指正。特别想听社区对几个开放问题的意见:
/learn [技能名] [--from doc|repo|demo]的语法设计是否符合使用直觉?如果方向获得认可,D1(轮次结束后台回顾)可以先以 RFC / PR 形式细化落地。
All reactions