Agent 每次运行都留下成功、失败、人工纠正和环境变化。这些轨迹可以成为学习信号，但未经筛选的轨迹也会把偶然错误固化成长期规则。
持续进化首先是工程闭环，其次才是训练问题。
经验只有经过抽取、验证和可回滚发布，才算进入系统能力。
01 / LEARNING SIGNAL从轨迹里找可重复的失败模式。
重点不是保存更多日志，而是识别反复出现的决策缺口、工具错误和人工纠正。一次偶然失败不应立刻变成全局规则。
02 / FOUR UPDATE LAYERS经验可以写进四个层级。
知识、指令、程序和参数的成本与风险逐级上升。能用知识库解决的，不必先改提示词；能用规则和程序约束的，也不必立刻训练模型。
知识
补充事实、案例、索引与时效信息。
指令
更新流程、边界、示例与停止条件。
程序
把稳定经验变成测试、工具或校验器。
参数
在数据和评估成熟后进入后训练。
03 / VERIFY & RELEASE候选改动必须独立验证。
新知识可能过期，新规则可能互相冲突，新程序可能破坏旧任务。持续进化系统需要影子测试、版本记录、分批发布和快速回滚。
04 / FORGET SAFELY长期学习也包括遗忘。
系统要清理过期事实、低质量记忆和不再适用的策略，并防止敏感信息进入长期资产。所谓睡眠学习，更像周期性的整理、合并、验证和能力保鲜。
第一道练习：收集 30 条失败轨迹，只挑一个重复问题形成候选规则，并用旧任务回归测试它有没有带来副作用。
原书与章节来源
- bojieli/ai-agent-book：开源主仓库与全书目录。
- 第 8 章正文：本页概念主线与术语来源。
- 第 8 章实验：配套代码、复现说明与读者练习。
- 本页是面向应用的学习整理与转述，不替代原书；准确表述以原文和代码为准。
下一篇：多模态与实时交互
继续沿着“理解结构—动手改变—观察结果—形成判断”的方式学习。
继续学习 →
读者评论
把这篇文章留给你的想法写下来。
还没有评论。你可以留下第一条。