跳转至

让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环

Ch04.351 让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环

📊 Level ⭐⭐ | 9.6KB | entities/agentloop-agent经验自进化闭环.md

让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环

阿里云（马云雷）分享的 AgentLoop Agent 经验自进化实践。传统软件追求确定性，AI Agent 则天然具有不确定性：模型采样、上下文变化、任务规划、工具返回和长链路执行都可能影响结果——同一个问题连续运行多次，Agent 可能选择不同的工具、走不同的路径，甚至给出不同的答案。当 Agent 进入运维、研发、数据分析和企业业务流程，企业真正关心的归根到底是两个结果：Agent 现在到底做得准不准（任务成功率、首次完成率、多次执行稳定性）、达到这样的准确率需要付出多少成本（每完成一个成功任务消耗多少 Token、时间、工具调用和人工介入）。Agent 的每次运行不只产生最终答案，也会留下执行轨迹——成功轨迹包含有效路径，失败轨迹记录反复出现的错误和恢复线索。

原始 Trace 并不天然等于经验：只有经过清洗和组装形成 Trajectory，再结合结果评估进行比较，才能提炼出可验证、可召回、可复用的行动经验。上线前的评测集只能覆盖已知问题，真实业务会不断产生新的表达、工具状态和异常组合，人工数据飞轮高度依赖专家、无法规模化，因此企业需要一条更自动化的进化路径：持续观测真实运行 → 从成功和失败轨迹中自动发现规律 → 生成可复用经验 → 把筛选后的经验带回下一次执行。

经验自进化闭环：从 Trace 到 Trajectory 到召回注入

AgentLoop 在模型之外构建一层可持续更新的经验系统：接收 Agent 的真实 Trace，将高噪音执行数据清洗并组装为标准化 Trajectory（在内部复杂样本中，清洗后的高价值轨迹可降到原始 Trace 约 4%—6% 的数据量级），再从多个轨迹中自动挖掘有效路径、失败模式、工具约束、参数规则和恢复策略，生成结构化经验。当 Agent 再次面对相似任务时，Recall Skill 和 CLI 会根据当前目标、业务对象、工具、执行进度和错误状态召回少量适用经验并注入运行时上下文；任务完成后新的运行结果再次形成 Trace，进入下一轮挖掘，形成「观测 → 轨迹 → 挖掘 → 经验 → 召回 → 运行 → 再观测」的飞轮。这里的「自进化」并不是直接修改模型权重，而是让 Agent 在模型通用能力之外持续获得来自真实业务的行动经验——模型负责推理，工具负责执行，知识库提供事实，经验库帮助 Agent 判断在当前情境下应该优先做什么、哪些路径容易失败、如何恢复、什么才算真正完成。

核心能力与 Bench 验证

广泛接入真实运行数据：提供多种探针、OpenTelemetry、LoongSuite Pilot、eBPF 等接入能力，无论 Agent 是否方便修改代码都能采集模型调用、工具调用、执行结果和运行环境信息。挖掘与召回面向真实轨迹深度优化：经验不是对单条 Trace 做摘要，而是在多个轨迹间比较，识别反复出现的有效动作和高风险路径，生成工具选择与调用顺序、参数规则与前置条件、反模式、错误恢复与绕行策略、结果验证与完成判断规则等结构化经验；召回不仅考虑文本相似度，还结合任务、工具、进度、错误状态和经验适用范围排序过滤。

多类 Bench 验证质量与成本收益：StarOps 指标查询正确率 7.1%→36.1%（Token -6.8%，平均工具调用次数下降 25.1%、有害事件下降 27.8%）；OpenClaw/PawBench 通过率 24.53%→30.67%（Token -58.16%）；PinchBench 0.2928→0.3464 提升 18.3%（Token +2.9%）；ClawProBench 74.51%→78.43% 提升 3.92pp（Token -11%）；SWE-bench Verified 67.2%→74.4% 提升 7.2pp（Token 362.4M→536M）。实验也说明质量和成本之间可能存在权衡，AgentLoop 不只关注单一分数，而是同时衡量成功率、同类任务多次执行的稳定性、Token/成功任务、工具调用、耗时和超时率，寻找适合具体业务目标的最优点。

Skill + CLI 接入与共享进化

经验生成后不需要重新训练模型：用户在客户端安装 Recall Skill，通过 CLI 配置经验库（Experience Store）和库级访问凭证；Agent 在任务开始、调用关键工具、遇到错误或准备交付时主动检索相关经验，将召回结果作为参考上下文。接入路径：创建经验库（填名称、提取 Agent 应用、经验抽取起始时间）→ 创建 API Key 访问凭证（或 AK/SK）→ 安装 alibabacloud-agentloop-experience Skill 并复制 Recall Endpoint 配置 → 用 search_context.js search --query "..." --context-type experience 验证召回链路。团队可以让不同客户端和不同 Agent 使用同一个经验库：一个 Agent 验证过的有效路径可被其他 Agent 召回，一个团队遇到的失败可成为其他团队提前避开的反模式——新 Agent 继承已有方法降低冷启动成本，通用经验跨 Agent 共享，业务专属经验按 AgentSpace 和经验库隔离。

经验库位于模型之外、更新更快迁移更容易，与服务不同模型和 Agent 框架、按任务动态召回、快速更新、按团队和权限控制作用范围。与 Memory（记得过去）、RAG（找到知识）、Workflow（固定流程）、Skill（获得能力）、微调/RL（改变模型本身）相比，经验自进化让 Agent 在当前任务中复用真实执行验证过的方法——在完整的企业 Agent 系统中，这些能力可以协同工作。

受人工治理的 Agent 自进化（携程实践 SUPP 2026-08-20）

携程技术（Li Yi）提供同一主题下「受人工治理」的可补全新维度：经验自进化闭环之外，强调修改必须经过人工治理与严格验证才能进入生产。

自进化四条件：反馈来自 Agent 真实运行；系统能据反馈修改 Agent 后续仍会使用的内容；修改经过验证和人工选择；修改后的 Agent 继续产生新反馈。缺任何一环都只是普通优化而非持续循环。

三类错误定位：信息足够但推理没走完；字段已拿到但不知业务含义（不需加数据源，只需写清字段含义）；现有工具拿不到必要信息（在只读隔离环境验证，未审核不进生产）。

保留修改的三个并列条件：生效性（修改真的被 Agent 使用）、可归因性（回放时同名同参调用返回当时保存结果，修改前后面对同一份基础事实，避免外部数据变化干扰；完全冻结回放则关闭所有新增查询）、安全性（重跑原本正确处理的问题，不伤害其他场景）。单一模型同时分析和裁判时无效修改误判约三成，拆分职责 +「必须实际生效」条件后降到个位数百分比。

人工治理与权限分离：分析系统只读历史副本；重新调工具进只读隔离环境；仅修改通过验证和人工审核后发布流程才取得写入权限并记录修改人/版本/回滚点。接入前提三件套：看得见（可观测完整执行）、改得动（工具说明/规则/prompt 可单独更新回滚）、有人负责（明确审核/发布/回滚责任）。

真实业务指标：携程酒店技术支持两类 Agent 一线采纳率 20%→40%+、40%→60% 左右；协作体系总采纳率 25.9%→51.7%；2026-06 AI 有效覆盖率 48.08%；有效帮助问题解决时长中位数 -40%，及时解决率 +4.9pp。

相关实体

→ 原文存档