为纪念 35 周年：《Terminator 2: Judgment Day》将在全球影院重映
2026-07-13
2026-07-17 0
传统软件追求确定性：在相同版本、相同输入和相同环境下，系统应当给出稳定、可预测的结果。企业可以通过功能测试、回归测试和发布门禁，建立清晰的上线标准。
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。一次评测通过，不代表下一次仍然通过；平均表现不错，也不代表线上不会出现不可接受的质量低谷。
当 Agent 开始进入运维、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 的准确率是否达到业务要求、存在的问题是否有明确的提升空间，以及整体成本是否可以接受，决定了它能否从 Demo 走向生产，从局部试用走向规模化部署。
图 1｜AgentLoop 通过 Agent 经验自进化，帮助企业 Agent 从多路径、不稳定的执行状态逐步走向可控生产
Agent 的每次运行不只产生一个最终答案，也会留下如何理解任务、选择工具、处理错误和完成目标的执行轨迹。成功轨迹中包含有效路径，失败轨迹中则记录了反复出现的错误和恢复线索。
这些轨迹中沉淀着大量尚未被利用的优化证据，但原始 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。
因此，数据飞轮的价值不是积累更多日志，而是让每一次运行都为下一次运行提供经过验证的优化依据。
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用户表达、新的工具状态、新的异常组合和新的边界条件。模型会升级，知识和业务规则会变化，Agent 使用的工具也会持续迭代。因此，Agent 不可能依靠上线前的一次调试永久保持质量。
今天，企业通常通过一条人工数据飞轮持续优化 Agent：
这条路径有效，但高度依赖专家。随着 Agent 数量、任务类型和调用规模不断增长，人工查看 Trace、分析根因和总结方法会迅速成为瓶颈。大量执行数据被保存下来，真正能够被及时分析并转化为优化动作的，只占其中很小一部分。
企业需要一条更自动化的进化路径：持续观测 Agent 的真实运行，从成功和失败轨迹中自动发现规律，生成可复用经验，并把经过筛选的经验带回 Agent 的下一次执行。
这正是 AgentLoop 的 Agent 经验自进化能力（下文简称“经验自进化”）希望解决的问题。
AgentLoop 通过经验自进化，在模型之外构建了一层可持续更新的经验系统。它接收 Agent 的真实 Trace，将高噪音的执行数据清洗并组装为标准化 Trajectory，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 Agent 的运行时上下文。Agent 完成任务后，新的运行结果再次形成 Trace，进入下一轮经验挖掘。
图 2｜从 Trace、Trajectory、经验挖掘到运行时召回的自动进化飞轮
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，经验库则帮助 Agent 判断：在当前情境下，应该优先做什么、哪些路径容易失败、遇到问题后如何恢复，以及什么才算真正完成。
Agent 的不确定性无法被彻底消除，但可以被持续约束。
图 3｜经验持续约束无效探索空间，提高平均质量并抬高运行下限
很多失败并不是因为模型完全不具备能力，而是因为 Agent 在关键节点做出了错误选择：选错了信息入口、错误理解了工具参数、在空结果后反复重试、忽略了业务范围，或者在结果尚未验证时就提前结束任务。
这些问题具有明显的经验属性。同类任务运行得越多，系统越有机会识别哪些选择经常带来成功，哪些行为容易导致失败，以及不同情境下应当采用什么恢复策略。
经验注入的价值，是在 Agent 做出关键决策之前，缩小无效的探索空间：
因此，企业衡量经验库时，不应只看一次运行是否成功，而应同时关注：
如果平均准确率提高，同时质量下限被抬高、运行波动逐步缩小，Agent 才真正从“偶尔做对”走向“可以稳定上线”。
准确率和成本并不是两个彼此独立的问题。很多 Agent 成本恰恰来自不确定性：方向选错后反复推理，工具调用失败后原样重试，错误的查询范围引发多轮返工，没有完成判断导致执行链不断延长。
当经验帮助 Agent 更早选择正确入口、更准确地使用工具，并在失败后采用有效的恢复策略时，可以同时减少：
对企业而言，最有意义的成本指标不是单次调用使用了多少 Token，而是：
每完成一个成功任务，需要消耗多少 Token、时间、工具调用和人工介入。
经验注入并不意味着每个场景的 Token 都一定下降。有些任务为了获得更高成功率，可能需要使用更多上下文。真正合理的目标，是在质量护栏下持续优化单位成功成本，而不是单独追求最低 Token。
图 4｜经验注入同时关注质量、结果稳定性以及每个成功任务的综合成本
经验飞轮成立的前提，是能够看到 Agent 的完整运行过程。企业内部的 Agent 往往来自不同框架、不同团队和不同运行环境，很难通过单一 SDK 完成统一接入。
AgentLoop 提供多种探针、OpenTelemetry、LoongSuite Pilot、eBPF，以及面向不同 Agent 和 AI Coding 工具的接入能力。无论 Agent 是否方便修改代码，都可以选择适合的方式采集模型调用、工具调用、执行结果和运行环境信息。
广泛的数据接入能力，使经验库不再局限于某个 Agent 框架，而能够成为企业级的共享优化基础设施。
原始 Trace 通常包含大量基础设施 Span、重复消息和与 Agent 决策无直接关系的数据。如果直接对完整 Trace 做长期存储和模型分析，成本会快速增长，真正有价值的行动信号也容易被噪音淹没。
AgentLoop 会将原始 Trace 清洗、去噪并组装为标准化 Trajectory，保留任务目标、行动步骤、工具调用、观察结果、错误、恢复过程和最终结果等高价值信息。
在内部复杂样本中，清洗后的高价值轨迹可以降到原始 Trace 约 4%—6% 的数据量级。更小、更结构化的 Trajectory 不仅降低存储和挖掘成本，也让算法能够直接分析 Agent 的决策过程，而不是处理杂乱的日志片段。
图 5｜从高噪音、大体量 Trace 中提炼紧凑、结构化的 Agent Trajectory
经验不是对单条 Trace 做一次摘要，也不是简单保存成功案例。AgentLoop 会在多个轨迹之间进行比较，识别反复出现的有效动作和高风险路径，生成不同类型的结构化经验，例如：
在召回阶段，系统不仅考虑文本相似度，还会结合当前任务、工具、进度、错误状态和经验适用范围进行排序和过滤。目标不是返回更多历史内容，而是在真正影响决策的时刻，提供少量能够改变行动的经验。
AgentLoop 的 Agent 经验自进化能力已在运维、通用工具使用、专业 Agent 和软件工程等不同任务上进行了经验注入实验。部分结果如下：
| Bench | 注入前 | 注入经验后 | Token 变化 |
|---|---|---|---|
| StarOps 指标查询 | 正确率 7.1% | 正确率 36.1% | -6.8% |
| OpenClaw / PawBench | 通过率 24.53% | 通过率 30.67% | -58.16% |
| PinchBench | 0.2928 | 0.3464，提升 18.3% | +2.9% |
| ClawProBench | 74.51% | 78.43%，提升 3.92pp | -11% |
| SWE-bench Verified | 67.2% | 74.4%，提升 7.2pp | 362.4M → 536M |
这些结果表明，经验注入能够在多种任务形态中带来质量收益。在 StarOps 实验中，平均工具调用次数下降 25.1%，有害事件下降 27.8%；在 PawBench 和 ClawProBench 中，质量提高的同时 Token 明显下降。
实验也说明，质量和成本之间可能存在权衡。例如 PinchBench 的 Token 增加 2.9%，SWE-bench Verified 在成功率提高的同时消耗了更多 Token。因此，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。
经验生成后，不需要重新训练模型，也不需要重建 Agent。用户可以在客户端安装 Recall Skill，通过 CLI 配置经验库（Experience Store）和库级访问凭证。
安装完成后，Agent 可以在任务开始、调用关键工具、遇到错误或准备交付时主动检索相关经验，并将召回结果作为当前任务的参考上下文。
这种方式具有三个优势：
经验被注入 Agent 的运行时上下文；Agent 完成任务后，新的执行结果再作为 Trace 进入经验挖掘链路，形成持续闭环。
企业真正需要的不是某一个 Agent 单独变好，而是让有效方法在组织内复用。
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 在真实任务中验证过的有效路径，可以在权限允许的范围内被其他 Agent 召回；一个团队已经遇到过的失败，也可以成为其他团队提前避开的反模式。
共享经验能够带来几项长期价值：
模型提供通用智能，经验库则沉淀组织在真实业务中形成的专属能力。Agent 使用得越多，组织能够复用的有效方法就越丰富。
图 6｜不同 Agent 在权限边界内共享经验，让局部成功转化为组织级能力
微调和强化学习通过训练改变模型本身，能够获得更深层的行为变化，但通常需要更多数据、计算资源和验证周期。经验库位于模型之外，通过运行时检索和上下文注入生效。
这使经验成为一层可移植的优化能力：
企业最终保留下来的，不再只是某个模型版本偶然做对的结果，而是一套可以跨模型、跨客户端持续使用的业务行动经验。
完成 Agent Trace 接入后，客户只需要在控制台创建经验库，再把控制台生成的接入配置复制到 Agent 客户端。开始前请确认：
进入 AgentLoop 控制台，选择目标 AgentSpace，然后打开「上下文工程 → 经验库」，单击右上角「创建经验库」。
图 7｜在「上下文工程 → 经验库」中创建或进入已有经验库
创建时只需填写三项关键信息：
经验库默认使用「AI Agent 可观测」接入的全链路数据作为来源。确认创建后，AgentLoop 会持续把 Trace 清洗为 Trajectory，并自动挖掘行动路径、工具规则、反模式和恢复策略，不需要人工上传经验文档。
图 8｜填写经验库名称，选择 Agent 应用和 Trace 起始时间
进入经验库详情，打开「API Key」页签，单击「立即创建」。API Key 用于客户端访问当前经验库，推荐作为快速接入方式；需要统一身份治理的企业也可以使用 AK/SK。
图 9｜在经验库详情的「API Key」页签创建访问凭证
API Key、AK/SK 不要写入查询命令，也不要提交到 Git。不同客户端可以使用各自的凭证访问同一个经验库，便于审计、轮换和权限回收。
打开「集成方式」页签。控制台会根据当前地域、AgentSpace 和经验库自动生成安装命令、Recall Endpoint 和验证命令，客户无需手工拼接 URL。
一次性验证时选择「临时 Skill 安装」，依次复制并执行三个代码块：
alibabacloud-agentloop-experience Skill；AGENTLOOP_ENABLE_RECALL、Recall Endpoint 和 API Key；
图 10｜控制台自动生成 Skill 安装、环境变量和召回验证命令
团队或项目长期使用时，切换到「配置文件方式」，把配置保存到项目的 .agentloop/recall.env 或当前用户的 ~/.agentloop/recall.env。项目级配置应加入 .gitignore。
图 11｜使用项目级 recall.env 保存长期召回配置
在项目根目录执行控制台提供的验证命令。查询文本建议包含具体产品、错误信息、接口名或 Request ID，例如：
node .skills/alibabacloud-agentloop-experience/scripts/search_context.js search --query "排查 ECS SSH 连接超时的历史经验" --context-type experience --confirm-outbound
返回 JSON 且 error 为 null，说明召回链路已经连通。results 为空表示暂时没有匹配经验，并不代表接入失败。
同一团队的多个 Agent 指向同一个经验库后，就可以在权限范围内共享经验。Agent 会在任务开始或遇到问题时召回相关方法；新的执行结果继续形成 Trace，进入下一轮自动挖掘。
安全提示： 默认保留
--confirm-outbound，明确确认发送本次查询文本。只有在已经授权的内部可信环境中，才建议开启自动外联确认；查询中不要携带密码、Token、个人信息等敏感数据。
随着新的任务不断运行，新的 Trace 会继续进入经验挖掘链路，形成：
观测 → 轨迹 → 挖掘 → 经验 → 召回 → 运行 → 再观测
企业可以观察成功率、同类任务多次执行的稳定性、Token/成功任务、工具调用次数、平均耗时和人工接管率，确认经验库带来的真实收益，并逐步扩展到更多 Agent 和业务场景。
这些能力并不是互相替代关系，它们解决的是不同层面的问题。
| 能力 | 主要解决的问题 | 如何生效 |
|---|---|---|
| Memory | 这个用户、会话或 Agent 过去发生过什么 | 检索用户事实、偏好和历史事件，保持跨会话连续性 |
| RAG / 知识库 | 规则、文档和业务事实在哪里 | 从外部知识源检索相关内容，为模型补充事实 |
| Workflow / SOP | 标准流程应该怎样执行 | 通过人工定义的步骤和规则提供确定性编排 |
| Prompt Engineering | 如何约束模型的通用行为 | 修改系统提示词或任务模板 |
| Skill | Agent 具备什么可复用能力 | 封装操作方法、脚本、工具和资源，供 Agent 调用 |
| Fine-tuning / SFT | 如何改变模型的整体行为倾向 | 使用训练数据更新模型权重 |
| RL | 如何通过奖励优化模型策略 | 基于轨迹和奖励训练或更新策略 |
| Agent 经验自进化 | 在当前情境下，过去哪些行动有效、哪些容易失败 | 从真实 Trajectory 挖掘经验，在运行时检索并注入上下文 |
可以用一句话概括它们的差异：
Memory 让 Agent 记得过去，RAG 让 Agent 找到知识，Workflow 提供固定流程，Skill 让 Agent 获得能力，微调和 RL 改变模型本身，而经验自进化让 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：RAG 提供业务事实，Memory 提供用户和会话背景，Skill 提供可执行能力，经验自进化机制提供行动经验，评估与实验则负责证明这些变化是否真正提高了质量。
企业引入 Agent 的核心挑战，不是缺少一次令人惊艳的演示，而是如何长期管理一个具有不确定性的生产系统。
AgentLoop 的 Agent 经验自进化以真实运行轨迹为起点，将高噪音 Trace 转化为高价值 Trajectory，自动挖掘成功路径和失败模式，再通过 Skill 与 CLI 把相关经验带回 Agent 的下一次执行。
它带来的价值可以用几个可度量的变化来表达：
AgentLoop 的 Agent 经验自进化不是又一个保存历史内容的知识库，而是一套面向企业 Agent 的持续质量优化系统：
通过真实运行轨迹自动挖掘并按需注入经验，在不重新训练模型的情况下，提高准确率和结果稳定性，并优化每个成功任务的成本。
观测系统负责看到真实运行，评估系统负责定义什么是好，经验自进化负责把已经验证的有效方法重新带回运行。当这三者形成闭环，Agent 才能在真实业务中持续进化，并逐步从不确定走向可控。
请打开agentloop.console.aliyun.com ，立即让Agent开启自进化之旅。
Copyright(C) 2020-2026 jiyx.com All Rights Reserved 联系方式：[email protected]