当工作流与技能共同进化时，会发生什么变化？
如今的AI智能体就像遵循固定脚本的员工：它们能执行计划，却记不住上次什么方法奏效。协同进化改变了这一点，它让智能体的工作流程（逐步计划）和技能（可复用的、可执行的代码片段或工具序列）共同改进。FlowEvo，一个2026年的框架，将成功的执行轨迹编译成可复用的技能记录，并持久保存在技能库中，从而使智能体无需重新训练就能在处理类似任务时表现更好[2]。这是一种根本性的转变，从“解决这一个任务”转向“更擅长解决这一类任务”。
实际效果是可量化的。在交互式环境基准ALFWorld上，FlowEvo实现了82.8%的成功率——比最强基线高出23.6个百分点——同时每个回合的token使用量不到最高效基线的一半[2]。这意味着不仅性能更优，而且成本更低，这对实际部署至关重要。
智能体如何避免学到坏习惯？
自我进化智能体最大的风险在于，它们可能会学习并强化错误。另一个2026年的框架CoEvoSkills通过将技能生成器与一个共同进化的替代验证器相结合来应对这一问题，该验证器无需访问标准答案即可提供反馈[3]。这就像拥有一位导师，即使没有完美的标准答案，他也会审阅你的工作并告诉你该改进什么。
验证至关重要：在SkillsBench基准测试中，CoEvoSkills在Claude Code和Codex上的通过率均高于五个基线模型，并泛化至另外六个大语言模型[3]。这表明，细致的验证不仅是锦上添花，更是实现安全且有效的自我改进的关键要素。
最佳情况与典型情况下的证据差距何在？
最有力的证据来自受控基准测试，但实际部署情况要复杂得多。EvoAgentX 是一个 2025 年的框架，它在 HotPotQA（多跳推理）上提升了 7.44%，在 MBPP（代码生成）上提升了 10%，在 MATH 上提升了 10%，但在 GAIA——一个针对真实世界任务的基准测试——上，提升幅度高达 20% [1]。这令人鼓舞，但其中的差异表明，收益在很大程度上取决于任务类型和初始工作流的质量。
此外，这些框架无需训练，意味着它们不会更新模型参数。这在成本和灵活性上是优势，但也意味着改进仅限于技能和工作流所能涵盖的范围。论文尚未展示长期、大规模部署的结果，因此生产环境中的“典型情况”可能不如基准数字那般乐观。不过，方向是明确的：协同进化是通往更强大、更高效智能体的可行路径。
关于这些资料来源
这个回答基于3项研究（1篇同行评审，2篇预印本），发表于2025年至2026年，其中3篇来自2024年或之后——从3项通过质量筛选的研究中选出最相关的，这些研究来自从超过5亿篇论文数据库中检索到的32篇文献。
本文引用的文献
EvoAgentX：一种用于演化智能体工作流的自动化框架
EvoAgentX是一个2025年的框架，能够自动演化多智能体工作流，并在多项基准测试中报告了显著提升：在HotPotQA上F1分数提高7.44%，在MBPP上pass@1提高10%，在MATH上提高10%，在GAIA上准确率最高提升20%，覆盖多种不同任务。
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2026年的免训练框架，能够协同演化工作流程与可执行技能，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），同时每个回合的token使用量不到最高效基线的一半。
CoEvoSkills：通过协同进化验证实现智能体技能的自我进化。
CoEvoSkills是一个2026年的框架，利用协同进化验证自主生成多文件技能，在SkillsBench上针对Claude Code和Codex的五种基线中取得了最高通过率，并泛化至另外六种大语言模型。