Awesome Self-Evolving AI Agents

一份面向 AI Agent 自进化研究与实践的开放 Survey：帮你判断一个系统是真能从反馈中改进，还是只是在 demo 里看起来聪明。

GitHub Topics: agent-evolution, self-evolving-agents, self-evolution, self-improvement, ai-agent, llm-agent, agent-swarm, memory-system, skill-library, harness-engineering, benchmark.

一句话

想判断一个 AI Agent 是不是“真自进化”，先问五件事：改了什么、为什么改、谁验证、是否保留、能否回滚。

三句话

这份 Survey 不先堆链接，而是先给判断表：一个系统到底改变了 prompt、memory、workflow、code、weights，还是只换了说法。
读项目时不要先看名字、stars 或 demo；先看它有没有 Observe -> Interpret -> Modify -> Verify -> Retain 的闭环。
Evolve-AGI Index 目前只是工作型证据指数原型，用来提示 benchmark、闭环、迁移、治理这些证据是否足够，不是 AGI 分数，也不是单个项目判决。

五句话

这不是普通 Awesome List，而是一份围绕“AI Agent 如何可靠地改进自己”的开放 Survey。
在本 Survey 的严格口径下，自进化系统需要说明可变对象、反馈信号、更新算子、独立评估器、保留机制和回滚路径。
当前读者最容易复查的机制骨架是五类进化回路：规范到执行、搜索、评估器、反思/记忆、种群/归档。
Evolve-AGI Index 把 benchmark、闭环、证据、迁移、可运行性、动量和治理放在一张可讨论的表里，但权重仍是 editorial/proposed，还需要外部验证和敏感性分析。
读者可以从这里快速进入定义、五类回路、代码自改进 benchmark、项目 model card、公开报告和论文，而不是被几百个链接淹没。

你可以直接用它做什么

| 读者 | 你会得到什么 | |---|---| | 研究者 | 一套从分类、方法、系统、评估到未来路线图的 Survey 主线。 | | 工程师 | 判断一个 agent 项目是否具备可验证反馈、可审计记忆、评估框架和回滚能力。 | | 产品/投资/行业读者 | 区分真实能力积累、刷榜、演示热度和治理成熟度。 | | 内容/教育读者 | 获得带证据入口的选题地图：项目、论文、趋势、痛点、图谱和长尾主题页面。 |

先从这里读

| 你是谁 | 先读什么 | 你能带走什么 | |---|---|---| | 第一次来 | 什么才算自进化 AI Agent | 一张判断表：改了什么、谁验证、如何保留、能否回滚。 | | 想理解机制 | 五类进化回路 | 把规范到执行、搜索、评估器、反思/记忆、种群/归档分开看。 | | 想比较项目 | 代码自我改进 Benchmark Matrix 和项目报告 | 不被 star 或 demo 带偏，先看 evaluator、archive、lineage 和限制。 | | 想查趋势 | 2026 Star 抓取试点和 Value LSH 证据分诊 | 区分历史热度、当前动量、启发式分诊和证据修复队列。 |

英文读者现在可以从 /en/、英文定义页、英文五类回路和英文代码 benchmark matrix 进入；项目报告、增长试点、Value LSH 和长尾页面仍是中文优先页面，保留证据链接，但暂不宣称完整英文镜像。

证据管线

flowchart LR
  RAW["原始证据<br/>GitHub / 论文 / 博客 / 社交"] --> PROC["加工证据<br/>分析 / 研究 / 项目"]
  PROC --> SURVEY["Survey 综合<br/>五类进化回路 + 痛点 + benchmark"]
  SURVEY --> SPARK["核心洞察<br/>受控自进化"]
  SPARK --> EAI["Evolve-AGI Index<br/>证据加权估计"]
  EAI --> PAPER["论文核心<br/>论点 + 贡献 + 路线图"]
  SURVEY --> SITE["网站 + 图谱 + 报告"]

近期证据更新（2026-06-04）

本轮不是简单“刷新元数据”，而是把 swarm runtime、skill optimizer、skills benchmark、browser harness、memory middleware 和 educational swarm baseline 一起拉回同一条证据链。下面每个仓库都只回答一个问题：它补上了哪类判断证据。

| 仓库 | 补上的证据缺口 | 对读者的意义 | |---|---|---| | kyegomez/swarms | production swarm runtime | 它把 agent-swarm 从“多角色概念”推进到可部署的 runtime、protocol 和拓扑层。 | | microsoft/SkillOpt | self-evolving skill optimizer | 它直接回答 skill 是否能像训练神经网络一样迭代，而不改 base model 权重。 | | benchflow-ai/skillsbench | skills benchmark | 判断 agent 是否真的会用技能，而不是只安装了 skill pack。 | | browser-use/browser-harness | browser harness | 浏览器 agent 需要可编辑、可复跑、可自修复的任务框架，而不是录屏式演示。 | | redis/agent-memory-server | memory middleware | 它补的是 memory substrate + MCP service 这一层，把“记忆”变成可接入的运行时接口。 | | openai/swarm | educational swarm baseline | 它仍然是最清晰的 lightweight handoff baseline，但也明确告诉读者 production 已转向 Agents SDK。 |

核心洞察

一句话：本项目的核心洞察，是把 Self-Evolving AI Agents 从“自我改进的故事”变成“可审计的改进系统”。

三句话：一个系统只有在反馈中改变自己的 prompt、memory、tool policy、workflow、code、weights 或 population，并且保留可验证证据时，才进入自进化范围。Survey 背后的全部资源现在按同一个问题重排：哪个对象在变，什么信号驱动它变，谁阻止它变坏。Evolve-AGI Index 是这次重排后的工作型证据表，用来暴露 benchmark、闭环、迁移和治理证据是否足够，而不是给领域下最终分数。

五句话展开：

过去读者需要在链接、star 热度、论文列表和网站材料之间自行判断；现在先看到结论，再进入证据。
Survey 不是“论文综述合集”，而是把论文、项目、benchmark、社交/博客信号和用户痛点互相校验。
关键判断不再是“项目名字里有没有 evolution”，而是“系统是否形成 Observe -> Interpret -> Modify -> Verify -> Retain 的闭环”。
Evolve-AGI Index 不只是网站模块，而是一个方法原型：把不同证据摆到同一张可审查的表里，同时暴露权重、口径和验证缺口。
对外读者看到的每个核心判断都应该能回到论文、项目报告、数据索引或 benchmark 证据；没有证据链的结论标记为 [UNVERIFIED]。

核心结论

| 序号 | Survey 结论 | 对读者的意义 | 证据入口 | |---:|---|---|---| | 1 | 自进化是受控系统过程，不是 demo 标签。 | 读任何项目先问“改了什么、谁验证、怎么回滚”。 | paper abstract, ch1 intro | | 2 | Benchmark 是选择压力，也是风险源。 | 分数提高不等于能力积累；要看隐藏测试、迁移、成本、失败候选。 | ch5 evaluation, survey ch5 | | 3 | 记忆、技能、评估框架是核心基础设施。 | 不要只看模型层；可审计记忆、可安装技能和评估器才决定长期可用性。 | ch7 painpoints, agent-swarm evolve | | 4 | 五类进化回路比项目名更稳定。 | 新项目可以按机制归类，而不是被营销词牵着走。 | survey methods, method taxonomy | | 5 | Evolve-AGI Index 只能作为工作型证据表。 | 它把 benchmark、闭环、证据、迁移、可运行、动量、治理七个信号拆开看，不能当领域标准。 | Evolve-AGI Index, trend snapshot | | 6 | 用户真正关心信任边界。 | 产品价值来自可靠、透明、可控、低成本，不来自“更自主”的口号。 | survey ch7, site survey | | 7 | 失败候选和负结果是资产。 | 没有被拒补丁、回归记录和 lineage，无法判断系统是否真的会进化。 | ch8 future, survey spark analysis |

Evolve-AGI Index 进入论文核心

一句话：Evolve-AGI Index 是本 Survey 的工作型证据指数原型，用来检查这个领域的证据成熟度，不是 AGI 终局能力评分，也不是单个项目的最终排名。

EAI = Σ(signal_score × signal_weight)

| 信号 | 权重 | 为什么进入核心 | |---|---:|---| | Benchmark 表现 | 18% | 自进化必须接受实测；但 benchmark 不能单独决定成熟度。 | | 闭环强度 | 20% | 没有可变对象、反馈、选择和保留机制，就没有自进化。 | | 证据链可信度 | 18% | 原始材料、分析、model card 和论文附录必须互相能追溯。 | | 迁移与验证 | 14% | 只在一个公开测试上涨分，不能证明能力积累。 | | 实现可获得性 | 12% | 能运行、能复用、能审计，才有工程价值。 | | 领域动量 | 10% | 新项目和社区动量是趋势信号，但不能覆盖证据质量。 | | 治理准备度 | 8% | 自修改系统必须有安全边界、日志、回滚和时间戳信心。 |

权重是当前 Survey 的 editorial/proposed weights，用来把不同证据放在同一张可讨论的表里；它们还不是经同行验证的领域标准，也没有完成敏感性分析或置信区间估计。

**Data Snapshot / 数据快照：**Evolve-AGI trend 使用的是 2026-06-01 趋势输入快照：93 个 strict evolution repos、200 个 broad evolution repos、239 条 trend public-report records。仓库治理和网站覆盖使用 docs/indexes/master-index.md 的最新生成口径：678 个 classified GitHub repositories、286 个 analyzed project/model-card reports、99 个 strict evolution repos、204 个 broad evolution repos、485 个 public project report files。两个口径不能混用：前者服务指数趋势，后者服务仓库覆盖审计。

Survey 证据地图

| 层级 | 当前角色 | 关键证据 | |---|---|---| | 原始证据 | 保留 GitHub、论文、博客、社交素材，作为判断起点。 | raw index, raw-github/, raw-papers/, raw-social/, raw-blogs/ | | 加工分析 | 把素材转成分类、机制、model card、paper review、证据队列和 Evolve-AGI Index。 | processed index, GitHub analysis, projects index | | Survey 论文 | 把机制、系统、评估、工业实践、痛点和未来方向写成论文结构。 | survey CN chapters, paper drafts, survey latex | | 公开结果 | 发布 PDF、网站、报告、图谱、趋势快照和主题页面。 | results index, site, reports | | 证据目录 | 给读者检查证据链、索引和公开结果的入口。 | CONTENT_INDEX.md, master index |

flowchart TB
  Q["核心问题<br/>严格口径下什么算自进化?"] --> A["资源重组<br/>原始证据 -> 加工分析 -> Survey -> 公开结果"]
  A --> B["机制框架<br/>Five Evolution Loops"]
  A --> C["证据框架<br/>trust chain + model card"]
  A --> D["测量框架<br/>Evolve-AGI Index"]
  B --> P["论文核心"]
  C --> P
  D --> P
  P --> R["README / 网站 / PDF / 主题页"]

论文主线

| 章节 | Survey 成果 | 当前入口 | |---|---|---| | Ch1 Introduction | 定义 self-evolution，并把 Evolve-AGI Index 作为 evidence-to-index 方法原型纳入讨论。 | paper-drafts/ch1-intro.tex | | Ch2 Taxonomy | 区分 continual learning、online learning、self-supervision、AutoML、RL 和严格口径下的 self-evolution。 | paper-drafts/ch2-taxonomy.tex | | Ch3 Methods | 按五类 loops 分析 feedback 如何变成 retained change。 | paper-drafts/ch3-methods.tex | | Ch4 Systems | 比较 Self-Refine、Reflexion、ADAS、DGM、AlphaEvolve、Absolute Zero 等代表系统。 | paper-drafts/ch4-evolutionary.tex | | Ch5 Evaluation | 把 benchmark、trajectory、transfer、cost、regression 和 Goodhart 风险放在同一评估面。 | paper-drafts/ch5-evaluation.tex | | Ch6 Frameworks | 讨论 runtime、memory、harness、workflow、tool sandbox 和 reference architecture。 | paper-drafts/ch6-frameworks.tex | | Ch7 Pain Points | 用真实用户痛点校验研究问题：可靠性、成本、可观测性、权限、记忆污染。 | paper-drafts/ch7-painpoints.tex | | Ch8 Future | 讨论如何把 Evolve-AGI Index 从工作型证据表升级为更严格的 field knowledge data model。 | paper-drafts/ch8-future.tex |

怎么读这个仓库

| 你想知道 | 先读 | 再读 | |---|---|---| | 这个领域一句话是什么 | 本 README 的核心洞察 | paper abstract | | 什么才算严格口径下的自进化 | 定义主题页 | definition criteria, ch1 intro | | 自进化到底怎么发生 | 五类进化回路 | five-loop analysis, survey mechanisms | | 哪些系统真的会改代码 | 代码自我改进 Benchmark Matrix | code benchmark matrix, benchmark page | | 什么项目真的算自进化 | 核心结论 | projects/INDEX.md, analysis/github-project-data-analysis.md | | 哪些项目在 2026 年正在增长 | [公开增长试点账本](https://age

awesome-agent-evolution

Related Skills