今年最火的开源Agent项目，如何思考Agent的自我进化？

Agent 的持续学习和自我进化是最近行业内的讨论热点。

4 月 5 日，LangChain 创始人 Harrison Chase 在 X 上发了一篇长文，阐述了他对于 Agent 自我进化的一些思考。

核心观点很明确：对 AI agent 而言，「持续学习」不应只被理解为更新模型权重。一个 agent 系统实际上可以在三个层面持续进化：Model、Harness、Context。每一层要考虑的框架搭建和切入点是完全不同的。

知名 Agent 开源框架 DeerFlow 的联合作者 Daniel 在 Harrison Chase 这篇文章的基础上，补充了他们团队在 Agent 进化上的一些思考。

DeerFlow 是字节推出的、基于 LangGraph 的开源 SuperAgent 框架，专注多智能体编排，目前 GitHub Stars 超过 6 万。

01 

把 Agentic systems 拆分成三层：

model、harness、context

Harrison 把 agentic system 拆成三层：

• Model：底层模型本身，也就是权重

• Harness：驱动模型运行的「外壳」，包括 agent 代码、固定工具、固定提示、执行循环等

• Context：位于 harness 外部的可配置上下文，例如记忆文件、技能、用户配置、团队配置

这一定义的价值在于，它把「学习」从单一的模型训练问题，扩展成了一个完整系统工程问题。

Model 层：最传统，但也是最重的一层

这一层对应大家最熟悉的持续学习：

• 用 SFT、RL 等方法更新权重

• 也可能采用更细粒度的适配方式，例如 LoRA

• 目标是让模型在新任务上做得更好

但这里有一个老问题没有消失：catastrophic forgetting。也就是模型在学习新东西之后，旧能力反而退化。

我的判断是：

• 对大多数团队来说，Model 层持续学习成本最高

• 它依赖训练数据、训练基础设施、评测闭环和模型发布机制

• 这更像平台级能力，而不是普通产品团队可以频繁迭代的日常手段

所以 Harrison 虽然承认模型层很重要，但他的真正重点并不在这里。

Harness 层：这是近一年 agent 工程最被低估的增益点

Harness 指的不是模型，而是「模型怎么被使用」：

• 系统提示词怎么写

• 工具怎么暴露给模型

• 调用循环怎样组织

• 什么时候截断上下文、什么时候重试、什么时候判断任务完成

• 哪些日志和 traces 被保存下来，供后续分析

Harrison 在文中点名了 Meta-Harness 这篇工作。它的思路可以概括为：

• 让 agent 在一批任务上运行

• 收集完整执行日志与得分

• 把这些历史候选、源代码、执行 traces 都保存在文件系统里

• 再让一个 coding agent 阅读这些材料，提出新的 harness 改动

• 评测新 harness，继续迭代

这很重要，因为它说明：

• agent 的进化可以不改模型，只改运行框架

• 真正高价值的优化对象，往往是「执行机制」而不是「参数」

• traces 越完整，harness 优化越像工程迭代，而不是拍脑袋改 prompt

Meta-Harness 官方页面给出的结果也很强：它强调自己的关键差异是让优化器看到完整历史代码、分数与执行 trace，而不是只看摘要。作者称这种「文件系统级上下文」能把每轮优化可用诊断信息提升到远高于传统做法的量级。

Context 层：离业务最近，也最适合先落地

Harrison 把 Context 定义为位于 harness 之外、用来配置 agent 的内容，例如：

• instructions

• skills

• tools

• memory files

• 用户偏好

• 团队规则

这层的关键不在「模型学到了什么」，而在「系统记住了什么，并在之后的会话中如何继续使用它」。

LangChain Deep Agents 的官方文档把这件事讲得非常具体。它支持：

• agent-scoped memory：所有用户共享同一份 agent 记忆

• user-scoped memory：每个用户拥有独立记忆

• 在线更新：会话中直接写入记忆

• 后台整理：在会话外做 consolidation

• skills 作为一种程序性记忆，只在需要时按需加载

这说明 Context 层并不是「多塞一点提示词」那么简单，而是一套可持久化、可分层、可读写、可检索的记忆系统。

02 

Claude Code、OpenClaw，

都可以用三层逻辑去拆 

Harrison 在文章里用了两个 mapping：

Claude Code

• Model：Claude Sonnet 等模型

• Harness：Claude Code 本身

• User context：CLAUDE.md、/skills、mcp.json

这个拆法非常实用，因为它直接说明：

• 你觉得「Claude Code 变聪明了」，未必是模型权重变了

• 也可能是 harness 改了

• 或者是你给它的上下文配置更好了

OpenClaw

• Model：可以接多个模型

• Harness：Pi 加上一些运行脚手架

• Agent context：SOUL.md 与来自 ClawHub 的技能

我额外核对了 OpenClaw 的公开文档：

• SOUL.md 被官方定义为 agent 的人格与语气配置文件

• ClawHub 被定义为 OpenClaw 的 skills / plugins 公共注册表

这恰好印证 Harrison 的观点：很多 agent 系统的「持续学习」，本质上发生在可配置上下文层，而不是模型微调层。

03 

Agent 的持续学习，

更多向着系统优化方向发展

如果把这篇文章提炼成一句话，我会写成：

Agent 的持续学习，正在从「训练模型」转向「优化完整系统」。

这里至少有三个变化：

学习目标从权重转向系统行为

传统 LLM 持续学习更关注：

• loss 有没有下降

• benchmark 有没有提升

而 agent 持续学习更关注：

• 是否更会使用工具

• 是否更会规划步骤

• 是否更能从过去的失败里改进执行策略

• 是否更了解当前用户、团队或组织的偏好

学习单位从单模型转向分层架构

同一个 agent 系统里，不同层的学习频率与代价完全不同：

• Model：低频、高成本、平台级

• Harness：中频、工程驱动、可评测

• Context：高频、业务驱动、最容易在线发生

这意味着持续学习不该只有一个总开关，而应该是三套不同机制。

traces 成为统一燃料

Harrison 在文末反复强调 traces。这是全文最关键的基础设施判断之一。

原因很直接：

• 想改模型，要有 traces 作为训练/偏好数据来源

• 想改 harness，要有 traces 作为失败诊断材料

• 想改 context，要有 traces 作为经验提取素材

换句话说，没有高质量 traces，就没有高质量 agent learning loop。

04 

Context 层会最先落地，

Harness 层是下一轮竞争的核心

Context 层会最先普及

我认为三层里最先大规模落地的是 Context 层，而不是 Model 层。

原因：

• 不需要训练 infra

• 对业务回报最直接

• 可按 user / team / org 做隔离

• 易于做权限管理和回滚

• 更容易符合企业系统对可控性的要求

很多今天被包装成「agent 会记忆了」的能力，本质上都属于这一层。

Harness 层会成为下一轮 agent 基建竞争焦点

如果 2024 年大家主要比拼「谁先把 agent 跑起来」，那么 2026 年更像是在比：

• 谁的 harness 更稳

• 谁的 traces 更完整

• 谁的评测与回放体系更闭环

• 谁能更快把失败案例沉淀为下一版 agent 行为改进

这也是为什么 Meta-Harness 这种工作值得重视。它代表一种很工程化的方向：让 agent 帮你改 agent。

05 

团队如何做 Agent 产品？

分四个阶段 

如果一个团队准备把「持续学习」纳入 agent roadmap，我建议按下面顺序推进：

第一阶段：先把 traces 做对

• 统一记录任务输入、工具调用、关键中间状态、输出结果、人工反馈

• 为失败任务保留可复盘证据，而不只是最终报错

• 给 traces 加上 user / org / task / version 维度标签

第二阶段：优先做 Context learning

• 从用户偏好、团队规则、术语表、操作 SOP 开始

• 区分只读记忆与可写记忆

• 明确作用域：哪些是 user 级，哪些是 org 级

• 支持在线写入与离线整理两种更新路径

第三阶段：建立 Harness optimization loop

• 把 agent 在标准任务集上持续运行

• 对 harness 版本做 A/B 对照和自动评测

• 让 coding agent 读取 traces，辅助提出 harness 改动候选

• 建立回滚机制，避免「改 prompt 一时爽，整体稳定性变差」

第四阶段：最后才考虑 Model-level learning

• 只有当你已经积累了足够多高质量 traces

• 并且 harness / context 层优化已经逼近上限

• 再进入微调或更系统的模型训练，投入产出比才更合理

06 

一个可以直接复用的判断框架 

遇到「agent 该怎么学」这个问题时，可以先问四个问题：

• 这次要改的，是模型能力、运行机制，还是可配置记忆？

• 这个改动，应该作用在 agent、user，还是 org 作用域？

• 这个更新，应该在运行中即时发生，还是在离线任务中整理后再生效？

• 有没有足够完整的 traces，支持评估这次学习是否真的有效？

如果这四个问题答不清楚，所谓「持续学习」大概率只是一个模糊口号。

07 

未来更强的 agent，

不一定来自更大的模型 

Harrison Chase 这条帖子和配套文章的价值，不在于提出某个全新算法，而在于把 agent 持续学习重新拆解为一个更实用的三层框架：

• Model learning 解决底层能力

• Harness learning 解决执行机制

• Context learning 解决记忆与个性化

其中最值得产品团队立即行动的，不是训练模型，而是两件事：

• 建好 traces 基础设施

• 把 context 和 harness 的 learning loop 产品化

这也是我对这篇文章最核心的结论：未来更强的 agent，不一定先来自更大的模型，而更可能先来自更会「复盘、记忆、重构」的系统。

文章来自于"Founder Park"，作者 "Founder Park"。