摘要：大语言模型智能体正在从“会聊天”走向“会做事”：它们会拆解任务、调用工具、写代码、反复验证。但一个现实问题是，很多成功经验只在当前会话里短暂存在，任务结束就消失。arXiv 新论文 FlowEvo: Self-Evolving Agents through the Co-Evolution of Workflows and Executable Skills 讨论的正是这个断点：能不能把一次成功的执行轨迹，整理成下次可直接调用或参考的技能？
过去几年，AI 能力提升常被理解为模型更大、训练更多、上下文更长。但在真实任务里，智能体还面临另一类工程问题：同样的操作流程会反复出现，例如检索资料、解析网页、运行测试、修复代码、生成报告。如果每次都从零规划，成本高、速度慢，也容易重复犯错。
FlowEvo 的切入点很朴素：当智能体已经成功完成某个任务时，它的过程里往往藏着可复用的程序、步骤和判断规则。与其让这些经验随上下文窗口一起消散，不如把它们编译成结构化的“技能记录”。这有点像人类工作中的 SOP、脚本库和经验笔记，只不过对象变成了 AI 智能体。
论文把框架概括为一个“工作流—技能—工作流”的循环，核心包括三部分。
第一，从工作流中提取技能。当一次任务执行成功后，系统会尝试从轨迹中提炼可复用片段，例如可调用的代码、工具组合方式、输入输出约定，以及辅助说明。它不是简单保存聊天记录，而是把经验整理成更像“可执行资产”的形式。
第二，让技能反过来帮助新的工作流。之后遇到相似问题时，智能体可以检索技能库：有些技能可以直接执行，有些则作为结构化上下文提示智能体如何规划。这样一来，智能体不是每次都空手上阵，而是带着过去沉淀的工具箱。
第三，持续筛选和淘汰技能。复用并不总是好事。某个技能在旧任务中有效，在新任务里可能造成负迁移。FlowEvo 因此加入了技能治理：监控技能对下游任务的实际帮助，压制那些带来副作用的记录。
这篇论文的价值不在于宣称“智能体已经会自我进化”，而在于把一个很实际的方向说清楚：AI 系统的进步不一定都发生在模型训练阶段，也可能发生在推理阶段的经验管理里。
如果一个团队使用智能体处理客服、研发、运维或数据分析任务，真正拉开差距的也许不是单次问答质量，而是系统能否把高质量操作沉淀下来，并在未来稳定复用。这和人类组织很相似：新员工再聪明，如果没有文档、脚本和流程，也会被重复劳动拖住；普通团队如果能把经验持续结构化，反而会越来越稳。
根据论文摘要，FlowEvo 在交互环境 ALFWorld，以及代码和数学生成任务 HumanEval、GSM8K 上进行了测试。在作者的实现设定下，它取得了较好的准确率与成本权衡。尤其在 ALFWorld 上，FlowEvo 的成功率达到 82.8%，比最强基线高出 23.6 个百分点，同时平均 token 使用量还不到最省 token 基线的一半。
这些数字当然需要结合论文细节和后续复现谨慎看待，但方向很有启发：当智能体不再只是“即时回答”，而能把成功经验转化为可控、可检查、可淘汰的技能时，成本和稳定性都有可能改善。
不过，经验沉淀也会带来新风险。一个自动生成的技能如果包含错误假设、过期接口、危险命令，甚至被污染的外部内容，复用越多，影响越大。FlowEvo 提到会在可行时加入接口、回放和安全检查，这一点非常关键。
未来智能体系统如果要长期运行，技能库不能只是“成功案例收藏夹”，还需要版本管理、权限边界、审计记录、回滚机制和失效检测。否则，自进化很容易变成自我放大错误。
FlowEvo 给中文读者的一个重要启发是：AI 智能体的长期记忆不该只是一堆文本摘要。真正有生产力的记忆，应该能转化为可执行、可验证、可维护的工具和流程。
当然，论文仍处于研究阶段，离通用可靠的“自进化智能体”还有距离。但它指出了一条务实路线：让智能体在不改模型参数的情况下，通过工作流沉淀技能，通过技能改进工作流，再通过治理机制淘汰坏经验。未来的 AI 应用竞争，可能会越来越像团队知识管理的竞争——谁能把经验留下来，谁就能越用越强。
参考来源：FlowEvo: Self-Evolving Agents through the Co-Evolution of Workflows and Executable Skills — https://arxiv.org/abs/2607.21596
