“协同演进的工作流程与技能”到底意味着什么？
把AI智能体想象成一名员工，他不仅执行任务，还会把发现的最佳流程记录下来，这样下次就不必重新发明轮子。用技术术语来说，“工作流”是智能体遵循的逐步计划，而“可执行技能”则是从成功运行中提取出的可复用代码或操作片段。共同进化意味着智能体的工作流规划与其技能库会一起改进：工作流使用技能，而技能则根据工作流的需求不断优化[1][3]。
例如，FlowEvo会将成功的执行轨迹编译为“技能记录”，其中既包含可执行的工件，也包含关于何时使用该技能的指导。这些记录存储在技能库中，并在未来任务中被检索，从而形成一个反馈循环：从工作流到技能的编译、从技能到工作流的反馈，以及通过技能筛选来移除有害技能[1]。类似地，COSPLAY拥有一个决策代理，可从可学习的技能库中检索技能，同时另一条独立流程从代理自身的运行轨迹中提取新技能，持续更新技能库[3]。
它真的能减少重复犯错吗？
是的，证据显示任务成功率和效率均有显著提升，这直接意味着重复错误减少了。FlowEvo在ALFWorld——一个交互式家务任务基准——上的成功率达到82.8%，比最强基线高出23.6个百分点，说明该智能体正确完成的任务数量远超其他方案。同时，它每轮平均使用的token数不到基线的一半，表明它没有在失败的尝试上浪费精力[1]。COSPLAY在六个游戏环境中进行了测试，相比四个前沿大语言模型基线，平均奖励提升了超过25.1%，这表明技能的共同进化带来了更好的长程决策能力[3]。
另一个角度来自一项关于从失败中学习的研究：一个共同演化的框架中，“失败代理”会生成困难负样本——即接近成功但仍失败的示例——这帮助目标代理锐化其决策边界并提升泛化能力[5]。这直接解决了重复犯错的问题，将失败转化为结构化的学习信号。
谁受益最大，又有哪些注意事项？
这些优势在长周期、多步骤任务中最为明显，例如交互式环境（如ALFWorld、游戏）以及代码/数学生成，这类任务要求智能体串联多个步骤，并能复用成功的流程[1][3]。这些框架无需训练（不更新模型参数），这是一个实际优势——它们可以在推理阶段实现改进[1]。然而，收益取决于技能筛选的质量：FlowEvo会明确抑制导致“负迁移”的技能，这意味着选择不当的技能反而会损害性能[1]。此外，相关研究均为近期成果（2025-2026年），且主要集中在基准测试上，尚未涉及实际部署，因此其现实应用价值仍在探索之中。
过程监督研究的一个关键注意事项是，分步反馈（过程监督）在训练可靠模型方面显著优于仅基于结果的反馈[2]。这表明，要使共同进化有效运作，智能体需要关于中间步骤的详细反馈，而不仅仅是最终的成功或失败。因此，尽管共同进化前景广阔，但其有效性取决于丰富的反馈信号和精心设计的技能筛选。
关于这些来源
这个回答基于5项研究（1篇同行评审，4篇预印本），发表于2023年至2026年间，其中4项为2024年或之后发表。这些研究是从5项通过质量筛选的研究中选出的最相关成果，而后者又源自从超过5亿篇论文的数据库中检索到的28篇文献。
本文引用的文献
FlowEvo：通过工作流与可执行技能的协同进化实现自我进化智能体
FlowEvo是一个无需训练框架，协同演化工作流与可执行技能，在ALFWorld上实现了82.8%的成功率（比最强基线高出23.6个百分点），且每轮任务使用的token不到其一半，消融实验证实了各机制均有所贡献。
让我们一步一步验证
过程监督（逐步反馈）在MATH数据集上训练模型时显著优于结果监督，采用过程监督的模型解决了78%的问题，这凸显了详细反馈对于多步推理的重要性。
面向长时程任务，协同进化的大语言模型决策体与技能库智能体
COSPLAY是一个包含决策智能体与技能库智能体的协同进化框架，在六个游戏环境中相较于四个前沿大语言模型基线，平均奖励提升了超过25.1%，展示了其在长时程任务中的优势。
SPyCE：多模态智能体的技能-策略协同进化
SPyCE为多模态智能体引入了技能-策略协同进化机制，其中技能捕获了多步骤工具使用的工作流级先验，尽管工作流技能并不直接编码可执行动作。
共同进化智能体：从失败中学习作为困难负样本
一种协同进化的智能体框架，通过引入一个生成困难负样本（即接近成功的失败案例）的失败智能体，能够锐化决策边界，从而提升目标智能体的性能与泛化能力，表明失败可以被转化为有价值的学习信号。