让 Agent 从“会执行”变成“会进步”

会记住，不代表会变好。

记忆管理解决的是“我知道过去发生了什么”。学习与适应解决的是“我下次能不能做得更好”。

这一章讲的不是玄学。不是让模型在线乱改自己。真正可落地的学习型 Agent，本质是一套反馈闭环：记录任务轨迹，评估执行结果，提炼有效策略，验证通过后再更新系统。

1. 为什么需要学习与适应

静态 Agent 最大的问题，是永远用同一套方法处理变化的世界。

业务规则会变。接口会变。用户习惯会变。知识库会过期。工具会失败。模型也会输出不稳定。

如果 Agent 不学习，它只会重复昨天的错误。

学习型 Agent 要做的事很简单：把每一次执行留下来的经验，变成下一次更稳定、更便宜、更准确的策略。

2. 它到底在学什么

很多人一听“学习”，第一反应就是微调模型。

生产系统里，通常不是这样。

更常见、更安全的学习，是更新系统策略，而不是直接改模型权重。

它可以学：哪类问题应该走哪个路由，哪个工具更稳定，哪段提示词更有效，哪些知识片段需要补充，哪些失败模式需要规避，哪些阈值应该调整。

这些东西看起来不性感，但最能落地。

3. 核心流程：执行之后才学习

学习型 Agent 不是边跑边乱改。

正确流程应该是：先执行任务，再收集轨迹，然后评估结果，诊断问题，更新策略，最后验证和灰度发布。

中间任何一步缺失，都会让系统变得不可控。

4. 例子：慢接口优化 Agent

假设线上有一个订单详情接口，P95 延迟到了 1.8 秒。目标是压到 800ms 以内。

普通 Agent 可能会直接建议：加缓存、加索引、优化 SQL。

学习型 Agent 不会只给建议。它会收集链路追踪、慢 SQL、Redis 命中率、JVM 指标，再生成几组候选方案。每个方案都进入沙箱验证。单测、集成测试、压测都通过，才有资格进入灰度。

最后，系统会沉淀这次经验：类似“订单详情 + 多表 join + 大字段返回”的问题，下次优先检查索引、字段裁剪和缓存命中率。

这就是学习。不是口头总结，而是策略库真的发生了变化。

5. 源码级看，学习层应该怎么放

工程上，学习层不要和主执行流程混在一起。

主流程负责完成任务。学习层负责事后分析。

一次 Agent 运行后，系统应该保存完整轨迹：用户输入、计划、工具调用、上下文、返回结果、耗时、错误、用户反馈。

评估层根据这些轨迹打分。策略层只保存验证通过的改动。发布层负责灰度和回滚。

这样做的好处是：Agent 可以持续进步，但每次进步都有证据、有版本、有边界。

6. 学习与反思、记忆有什么区别

记忆是存储。反思是修正当前结果。学习是改变未来策略。

三者经常一起出现，但职责不同。

记忆让 Agent 知道过去发生了什么。反思让 Agent 检查这次输出有没有问题。学习让 Agent 下次换一种更好的做法。

如果系统只有记忆，没有学习，它只是一个记性好的问答机。

如果系统只有反思，没有学习，它每次都能改当前答案，但下次还会从零开始。

7. 不要踩这几个坑

第一，不要在线直接自我修改核心代码。高风险。必须沙箱验证。

第二，不要只看用户喜欢。用户喜欢不等于事实正确。

第三，不要没有评估集就更新策略。否则越学越偏。

第四，不要把所有历史都塞进上下文。该沉淀成规则，就沉淀成规则。

第五，不要忘记灰度和回滚。学习型系统最怕错误策略大规模扩散。

8. 工程落地建议

先从低风险学习做起。

第一步，记录任务轨迹。没有轨迹，就没有学习。

第二步，建立评估指标。没有指标，就不知道是否真的变好。

第三步，沉淀经验库。先让 Agent 记住有效策略和失败模式。

第四步，小范围更新 Prompt、路由、工具优先级。

第五步，建立离线评测和灰度机制。

最后，再考虑更高级的自动优化、自我修改和进化式搜索。

行业参考

研究里已经出现更激进的方向。SICA 展示了编码智能体可以修改自身代码并提升基准表现。AlphaEvolve 则把 LLM、自动评估和进化算法结合起来，用指标筛选更好的程序。OpenEvolve 也提供了开源实现方向。

但对普通工程项目来说，第一目标不是炫技，而是可控地变好。

总结

学习与适应，是 Agent 从“工具调用器”升级成“长期系统”的关键一步。

它的核心不是让模型自由发挥，而是建立反馈闭环。

能记录。能评估。能诊断。能更新。能验证。能回滚。

做到这些，Agent 才能越用越稳，越跑越准。