几十万的 API 额度烧完了，你教会它回邮件。第二天再问它，跟第一次见面似的。丢人。
这就是眼下绝大多数 Agent 的日常——训练完，权重一冻结，今天刚填平的坑，明天照样给你原样漏一遍。于是有人动了心思：让 Agent 自己给自己记笔记、写复盘、攒经验。像个实习生干到第三个月还不认识打印机，那确实该开了。圈里人管这叫，自进化。听着玄乎。
把话说明白，就三件事：能存。能用。能进化。走通的路子、踩过的坑、顺手的小技巧——全记下来；新活儿来的时候能翻旧账；旧账还不能越记越乱，该扔的扔，该合的合。一台真长记性的 Agent，不该每次见面都像相亲头一回。
搁以前这事根本推不动。模型权重是死的，上下文开多大都有边儿；想更新一次参数？又贵又慢，训练一回肉疼半年。早年强化学习里那个“经验回放”算是老底子，可那时候模型自己压根不会写总结。现在你看——LLM 能自己记笔记了，Agent 也铺开了，人工标注数据贵得离谱。几根线凑一块，火就点着了。
有人说，这不就是把聊天记录扔进上下文当提示词吗？差远了。存出来的东西是行动指南，不是原始录音带。像厨师记的是菜谱，不是客人吹过的牛皮。现在最前沿的玩法分三拨。第一拨，给 Agent 揣个小本本，模型本体摸都不摸；第二拨，拿经验去训模型，把东西写进权重里，动真格；第三拨最凶——老师也不要了，两个 Agent 互相出题、互相批改，自己跟自己在屋里掰手腕。
你猜哪拨现在最火？
先看第一拨，经验/Skill 存储型。AutoSkill 是代表，外面套了个双环：一个环负责接客——用户提问先改写，再混合检索，最后把技能塞进提示词；另一个环搞进化——从交互信号里抽候选技能，再判断该加、该并、还是该扔。整个模型权重一动不动，成长全在外挂的“脑子”里。
听起来挺美？但你看它的评估报告就让人无语——在 WildChat-1M 上，只报了技能抽取数量，一个性能数字都没给。这算什么？抄了十页错题本，封面贴不少小花，考试照样瞎蒙。存下来容易。用得上？难。
第二拨，RL 训练型，换了个打法：把经验直接写进权重。代表有 EvolveR、SKILL0。路数说穿了就三步——让 Agent 先上手干活，从干砸的活儿里提炼经验；再把这些经验丢进环境里试，挑出高频管用的当奖励偏好；最后用强化学习把偏好揉进模型里。
权重动了，才叫进化。我站这条线。
但代价也明摆着。一次全量训练烧的钱，够我交仨月房租。更没底的是——经验要是错了呢？训练完就是一个更油滑、更自信、更理直气壮犯错的二傻子。这问题没人敢打包票。
第三拨，零数据自学型。我头一回读到的时候人傻了。代表工作叫 Agent0——不靠任何人工标注，两个副本互相考：一个出题，根据已有知识编新任务；另一个答题，答错了就刻成经验；隔一阵拿经验调整策略。
这不自己给自己判卷子吗？我第一反应。
但后来我翻到他们的实验设置就闭嘴了——让 Agent 调工具。工具这玩意儿天然带客观反馈：调没调对，一眼便知。对就是对，错就是错，蒙不了。这种场景下的自循环，疯不到哪去。可你要换个开放式任务……
算了，我就看着它跑。
对了，Agent0 的 GitHub 底下有人问：“这玩意儿进化到最后，会不会把我硬盘里的东西全删了？”最高赞回复是这么写的——“你想多了，它连自己叫什么都记不住。”