Spaces:

creay
/

blog

Running

File size: 31,985 Bytes

<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Agent 框架选型的九次推翻 — 从 EvoAgentX 到 scaffolding 本身 | Ehco's Blog</title>
<meta name="description" content="用九轮对话寻找一个理论扎实、能自进化、能沉淀知识的 agent 框架，最后发现被推翻的不是某个框架，是把这个问题问成&quot;哪个框架&quot;本身">
<meta property="og:title" content="Agent 框架选型的九次推翻 — 从 EvoAgentX 到 scaffolding 本身">
<meta property="og:description" content="用九轮对话寻找一个理论扎实、能自进化、能沉淀知识的 agent 框架，最后发现被推翻的不是某个框架，是把这个问题问成&quot;哪个框架&quot;本身">
<meta property="og:type" content="article">
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/11.9.0/styles/github.min.css" media="(prefers-color-scheme: light)">
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/11.9.0/styles/github-dark.min.css" media="(prefers-color-scheme: dark)">
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/katex.min.css">
<style>
:root {
  --color-bg: #ffffff;
  --color-fg: #1f2937;
  --color-fg-muted: #4b5563;
  --color-fg-faint: #6b7280;
  --color-link: #2563eb;
  --color-link-hover: #1d4ed8;
  --color-border: #e5e7eb;
  --color-border-strong: #d1d5db;
  --color-code-bg: #f6f8fa;
  --color-blockquote-bg: #f9fafb;
  --color-blockquote-border: #d1d5db;
  --color-table-stripe: #f9fafb;
  --color-meta: #6b7280;
}
@media (prefers-color-scheme: dark) {
  :root {
    --color-bg: #0d1117;
    --color-fg: #c9d1d9;
    --color-fg-muted: #8b949e;
    --color-fg-faint: #6e7681;
    --color-link: #58a6ff;
    --color-link-hover: #79b8ff;
    --color-border: #30363d;
    --color-border-strong: #444c56;
    --color-code-bg: #161b22;
    --color-blockquote-bg: #161b22;
    --color-blockquote-border: #30363d;
    --color-table-stripe: #161b22;
    --color-meta: #8b949e;
  }
}
* { box-sizing: border-box; }
html { scroll-behavior: smooth; }
body {
  margin: 0;
  background: var(--color-bg);
  color: var(--color-fg);
  font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", "PingFang SC",
               "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue",
               Helvetica, Arial, sans-serif;
  font-size: 16px;
  line-height: 1.75;
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
}
.site-footer {
  max-width: 820px;
  margin: 0 auto;
  padding: 24px;
  text-align: center;
  font-size: 14px;
  color: var(--color-meta);
  border-top: 1px solid var(--color-border);
}
.site-footer a {
  color: var(--color-meta);
  text-decoration: none;
}
.site-footer a:hover { color: var(--color-link); }

article {
  max-width: 820px;
  margin: 0 auto;
  padding: 56px 24px 96px;
}
article h1 {
  font-size: 32px; font-weight: 700; line-height: 1.3;
  margin: 0 0 16px; letter-spacing: -0.02em;
}
article h2 {
  font-size: 24px; font-weight: 700; line-height: 1.35;
  margin: 56px 0 20px; padding-top: 12px;
  border-top: 1px solid var(--color-border); letter-spacing: -0.01em;
}
article h3 { font-size: 19px; font-weight: 600; line-height: 1.4; margin: 36px 0 14px; }
article h4 { font-size: 17px; font-weight: 600; margin: 28px 0 12px; }
article p  { margin: 0 0 18px; }
article a {
  color: var(--color-link); text-decoration: none;
  border-bottom: 1px solid transparent; transition: border-color 0.15s ease;
}
article a:hover { border-bottom-color: var(--color-link-hover); color: var(--color-link-hover); }
article strong { font-weight: 600; color: var(--color-fg); }
article ul, article ol { margin: 0 0 18px; padding-left: 28px; }
article li { margin-bottom: 6px; }
article li > p { margin: 0 0 10px; }
article hr { border: 0; border-top: 1px solid var(--color-border); margin: 48px 0; }
article blockquote {
  margin: 0 0 24px; padding: 14px 20px;
  background: var(--color-blockquote-bg);
  border-left: 3px solid var(--color-blockquote-border);
  border-radius: 4px; color: var(--color-fg-muted);
}
article blockquote p { margin: 0 0 8px; }
article blockquote p:last-child { margin-bottom: 0; }
article code {
  background: var(--color-code-bg); border-radius: 4px;
  padding: 2px 6px;
  font-family: "SF Mono", Menlo, Consolas, "Liberation Mono", monospace;
  font-size: 0.88em; color: var(--color-fg);
}
article pre {
  background: var(--color-code-bg); border-radius: 8px;
  padding: 16px 18px; overflow-x: auto; margin: 0 0 22px;
  font-size: 13.5px; line-height: 1.6;
  border: 1px solid var(--color-border);
}
article pre code { background: transparent; padding: 0; border-radius: 0; font-size: inherit; }
article table {
  border-collapse: collapse; margin: 0 0 24px; font-size: 14.5px;
  width: 100%; display: block; overflow-x: auto;
}
article table thead { background: var(--color-blockquote-bg); }
article th, article td {
  border: 1px solid var(--color-border);
  padding: 10px 14px; text-align: left; vertical-align: top;
}
article th { font-weight: 600; }
article tbody tr:nth-child(even) { background: var(--color-table-stripe); }
article svg {
  display: block; max-width: 100%; height: auto;
  margin: 32px auto; border-radius: 6px;
}
article img {
  max-width: 100%; height: auto; display: block;
  margin: 24px auto; border-radius: 6px;
}
article > blockquote:first-of-type { margin-top: 0; font-size: 16px; }
.post-nav {
  max-width: 820px; margin: 0 auto; padding: 20px 24px 0;
  font-size: 14px;
}
.post-nav a { color: var(--color-meta); text-decoration: none; }
.post-nav a:hover { color: var(--color-link); }
@media (max-width: 640px) {
  article { padding: 32px 18px 64px; }
  article h1 { font-size: 26px; }
  article h2 { font-size: 21px; }
  article h3 { font-size: 17px; }
}
article pre code.hljs { padding: 0; background: transparent; }
.katex { font-size: 1.05em; }
</style>
</head>
<body>
<nav class="post-nav"><a href="../index.html">← 返回首页</a></nav>
<article>
<h1 id="agent-框架选型的九次推翻-从-evoagentx-到-scaffolding-本身">Agent 框架选型的九次推翻 — 从 EvoAgentX 到 scaffolding 本身</h1>
<blockquote>
<p>用九轮对话寻找一个"理论扎实 + 自进化 + 能沉淀知识"的 agent 框架。每一轮都给出最佳推荐，每一轮都被下一轮推翻。最后我意识到：被推翻的不是某个框架，是这个问题本身。</p>
<p><strong>Ehco</strong> · 2026 年 5 月 · 阅读时间约 18 分钟</p>
</blockquote>
<hr />
<h2 id="摘要">摘要</h2>
<p>我和 AI 来回了九轮，试图选一个 agent 框架。九轮之后我得到的不是答案，是一张领域地图：五种本体论假设、六个未来趋势、一条研究增量。这篇博客记录这次认知迭代的痕迹，最终落到 agent 框架的真正核心理念——<strong>scaffolding over modification</strong>——再往前推到一个具体的、可证伪的研究方向：用 agent + tool 任务作为"小模型 + 知识外置"的实验台。</p>
<p>如果你也在选 agent 框架，希望这篇能帮你跳过中间七轮。</p>
<hr />
<h2 id="1-起点一个看起来简单的问题">1. 起点：一个看起来简单的问题</h2>
<p>研究者面对 agent 框架时，常见的三条硬性要求：</p>
<ol>
<li><strong>理论扎实</strong> —— 有 paper、有理论框架，不是纯工程 demo</li>
<li><strong>自进化</strong> —— scaffolding 层（prompt / workflow / skill / 架构）随使用变好</li>
<li><strong>沉淀知识</strong> —— 经验跨 session 累积、可检索、可演化</li>
</ol>
<p>听起来简单吧。"市面上现在哪个 agent 框架同时满足这三条？"</p>
<p>九轮之后才明白——<strong>这个问题问错了</strong>。</p>
<hr />
<h2 id="2-九轮推荐的痕迹">2. 九轮推荐的痕迹</h2>
<p>为了让你看到迭代过程本身，把九轮推荐压成一张表：</p>
<table>
<thead>
<tr>
<th>轮次</th>
<th>当时的"最佳推荐"</th>
<th>当时的理由</th>
<th>后来发现</th>
</tr>
</thead>
<tbody>
<tr>
<td>1</td>
<td>CoALA + Voyager + Letta</td>
<td>经典组合</td>
<td>偏旧。Voyager 是 2023 年的工作</td>
</tr>
<tr>
<td>2</td>
<td>EvoAgentX</td>
<td>名字里就有 self-evolving，2.5k stars，配套综述</td>
<td>v0.1 demo 停在 2025-09，本质是 AutoML-for-prompts，不是 lifelong learning</td>
</tr>
<tr>
<td>3</td>
<td>DSPy + Letta + HippoRAG 2</td>
<td>Stanford 视角，DSPy 是 ICLR Spotlight</td>
<td>完全没看到中国生态。AgentScope 团队已经把整套东西做出来了</td>
</tr>
<tr>
<td>4</td>
<td>AgentScope + ReMe + Trinity-RFT</td>
<td>撞上正解</td>
<td>把"集成"误说成 monorepo——三者其实是同团队的独立项目</td>
</tr>
<tr>
<td>5</td>
<td>砍掉 Trinity-RFT</td>
<td>加上 "API 模型、不能训权重" 约束后 RFT 路径不可行</td>
<td>修正方向但没扩展候选</td>
</tr>
<tr>
<td>6</td>
<td>单推 ReMe</td>
<td>"三条全中、且代码可用"</td>
<td>数据没核实——ReMe 在 BFCL 上提升只有 +2-15%，是温和改进不是革命</td>
</tr>
<tr>
<td>7</td>
<td>A-MEM 平推</td>
<td>NeurIPS 2025，自动进化</td>
<td>A-MEM 已经被 D-MEM/Mem0 在 LoCoMo 超越 25+ 分</td>
</tr>
<tr>
<td>8</td>
<td>引入 D-MEM、Quality Gating dual-process</td>
<td>2026-03 神经科学新工作</td>
<td>都是研究代码，没有产品形态</td>
</tr>
<tr>
<td>9</td>
<td>三层架构（不再单推）</td>
<td>没有单点最优，分层 bet</td>
<td>这一轮的结论看起来终于站得住</td>
</tr>
</tbody>
</table>
<p>每一轮的方法论错误是同一个：<strong>在上一轮答案的基础上做局部优化，没有定期回到完整的 SOTA 检索</strong>。结果就是每一轮的推荐都比真实 SOTA 落后 6-12 个月。对研究者来说，这是致命的——你拿一个去年的 paper 当起点，中间错过了 3-4 篇关键工作。</p>
<p>如果可以重来，第一轮我应该说："这个领域 2025-2026 没有稳定的最佳框架，在足够 search 之前不要用'唯一''最佳'这种词，告诉我你的具体场景再来定。"</p>
<hr />
<h2 id="3-当框架塌陷后剩下什么五种本体论假设">3. 当框架塌陷后剩下什么：五种本体论假设</h2>
<p>九轮推荐都被推翻之后，留下的不是空白——是一张更深的地图。把所有讨论过的框架归约到底，其实是<strong>五种不同的本体论假设</strong>——对"agent 该如何记忆和进化"的根本回答不一样。</p>
<h3 id="一认知架构派记忆是分层模块">一、认知架构派：记忆是分层模块</h3>
<ul>
<li><strong>代表</strong>：CoALA (Princeton, arXiv:2309.02427) → Letta (UC Berkeley)</li>
<li><strong>祖宗</strong>：Soar、ACT-R、Newell（1980 年代论证人类心智需要 working / episodic / semantic / procedural 四类记忆协同）</li>
<li><strong>核心 claim</strong>：把这套分类直接搬到 LLM agent 上。Letta 把 LLM 当 OS，记忆是 RAM 加 disk</li>
<li><strong>软肋</strong>：这套分类是"人类心智的对吗"，但 LLM 心智未必如此。强行四分类可能反而限制表达</li>
</ul>
<h3 id="二知识网络派记忆是动态图">二、知识网络派：记忆是动态图</h3>
<ul>
<li><strong>代表</strong>：A-MEM (Rutgers, NeurIPS 2025) → HippoRAG 2 (OSU, ICML 2025) → D-MEM (UCSD/CMU, 2026-03)</li>
<li><strong>祖宗</strong>：Zettelkasten（Niklas Luhmann 用 9 万张卡片建立思想网络）+ 海马体记忆巩固理论</li>
<li><strong>核心 claim</strong>：知识不是分类存的，是通过链接形成网络。新记忆触发旧记忆的元数据更新，整个图随经验自适应</li>
<li><strong>软肋</strong>：A-MEM 已经被 D-MEM 用 RPE（Reward Prediction Error）门控批了——每次写入都全图更新是 O(N²)，规模一上来就崩。理论漂亮但工程上有明显瓶颈</li>
</ul>
<h3 id="三生产记忆派记忆是一个服务">三、生产记忆派：记忆是一个服务</h3>
<ul>
<li><strong>代表</strong>：Mem0 (ECAI 2025, arXiv:2504.19413) → ReMe (阿里 Tongyi, arXiv:2512.10696)</li>
<li><strong>祖宗</strong>：分布式系统的 conflict-free replicated data types、CDC 数据库、缓存</li>
<li><strong>核心 claim</strong>：记忆和理论无关，是个有 API、有 SLA、有冲突解决策略的存储服务。重点是 latency、cost、framework 集成数量</li>
<li><strong>软肋</strong>：理论上没什么新东西，本质是 RAG 加结构化更新。但工程上——它是<strong>唯一能现在直接拿来用的</strong></li>
</ul>
<h3 id="四编译优化派agent-是可优化的程序">四、编译优化派：agent 是可优化的程序</h3>
<ul>
<li><strong>代表</strong>：DSPy (Stanford, ICLR 2024 Spotlight) → TextGrad → AFlow → EvoAgentX</li>
<li><strong>祖宗</strong>：可微编程、PyTorch autograd、神经架构搜索</li>
<li><strong>核心 claim</strong>：agent pipeline 是 program，用数据驱动优化方法找最优 prompt / workflow 拓扑。把 SGD 思想搬到 LLM scaffolding 层</li>
<li><strong>软肋</strong>：思想优雅但<strong>和"沉淀知识"正交</strong>。它解决"如何一次性把 pipeline 调到最优"，不解决"如何随时间累积经验"。是编译期一次性产物，不持久</li>
</ul>
<h3 id="五自演化派agent-重写自己">五、自演化派：agent 重写自己</h3>
<ul>
<li><strong>代表</strong>：ADAS (Hu/Lu/Clune, ICLR 2025) → Darwin Gödel Machine (Sakana AI, 2025) → AlphaEvolve (DeepMind, 2025)</li>
<li><strong>祖宗</strong>：Gödel machine（Schmidhuber）+ open-endedness（Stanley/Clune AI-GAs）+ quality-diversity 算法</li>
<li><strong>核心 claim</strong>：agent 应该有能力修改自己的源代码。meta-agent 用 archive-based exploration 生成更好的 agent 变体，archive 维护"踏脚石"而不是单一最优</li>
<li><strong>软肋</strong>：DGM 在 SWE-bench 上把成绩从 20% 推到 50%，但靠很多算力。<strong>理论最爽，烧 token 最多</strong></li>
</ul>
<h3 id="横向矩阵">横向矩阵</h3>
<table>
<thead>
<tr>
<th>流派</th>
<th>代表</th>
<th>理论扎实</th>
<th>自进化</th>
<th>沉淀知识</th>
<th>API 友好</th>
<th>当前可用</th>
</tr>
</thead>
<tbody>
<tr>
<td>认知架构派</td>
<td>Letta</td>
<td>✅✅</td>
<td>⚠️</td>
<td>✅</td>
<td>✅</td>
<td>✅</td>
</tr>
<tr>
<td>知识网络派</td>
<td>A-MEM / D-MEM</td>
<td>✅✅</td>
<td>✅✅</td>
<td>✅✅</td>
<td>✅</td>
<td>⚠️ 研究代码</td>
</tr>
<tr>
<td>生产记忆派</td>
<td>Mem0 / ReMe</td>
<td>⚠️</td>
<td>⚠️</td>
<td>✅✅</td>
<td>✅✅</td>
<td>✅✅</td>
</tr>
<tr>
<td>编译优化派</td>
<td>DSPy</td>
<td>✅✅</td>
<td>⚠️ 编译期</td>
<td>❌</td>
<td>✅</td>
<td>✅</td>
</tr>
<tr>
<td>自演化派</td>
<td>ADAS / DGM</td>
<td>✅✅</td>
<td>✅✅</td>
<td>⚠️</td>
<td>✅</td>
<td>⚠️ 研究代码</td>
</tr>
</tbody>
</table>
<p><strong>没有任何一派单独同时拿满所有维度</strong>。这才是 2026 年这个领域的真实状态——五个传统还在分裂，没有合一的赢家。</p>
<hr />
<h2 id="4-agent-的真正核心scaffolding-over-modification">4. Agent 的真正核心：scaffolding over modification</h2>
<p>九轮聊完，我才有底气回答一个看起来更基础的问题：<strong>agent 框架到底是为什么存在的？</strong></p>
<p>一个常见误区是把 agent 框架的目标说成"提升模型的准确性和效率"。这个表述错在哪里？</p>
<h3 id="把因果方向搞反">把因果方向搞反</h3>
<p>LLM 是一个<strong>无状态函数</strong>——给它输入返回输出，本身不变。Agent 框架做的不是"提升模型"，而是<strong>在冻结的 LLM 之外构建一个有状态的、能与世界交互的系统</strong>。</p>
<p>打个比方：你不会说"汽车的目标是提升发动机的性能"。汽车需要发动机，但汽车存在的意义是把人从 A 运到 B。发动机性能在出厂前就定了。<strong>LLM 是发动机，agent 框架是汽车</strong>。</p>
<p>如果只是为了"提升准确性"，最直接的方法是换更大的模型——根本不需要 agent 框架。Agent 框架要解决的是<strong>单纯换大模型解决不了的问题</strong>。</p>
<h3 id="llm-的六个本质局限">LLM 的六个本质局限</h3>
<table>
<thead>
<tr>
<th>LLM 局限</th>
<th>Agent 框架的对应解法</th>
</tr>
</thead>
<tbody>
<tr>
<td>无状态</td>
<td>Memory 系统</td>
</tr>
<tr>
<td>无法行动</td>
<td>Tool calling</td>
</tr>
<tr>
<td>上下文有限</td>
<td>Context management / RAG</td>
</tr>
<tr>
<td>单步推理</td>
<td>ReAct / 多轮规划</td>
</tr>
<tr>
<td>静态知识</td>
<td>检索增强 / 网络搜索</td>
</tr>
<tr>
<td>不可信验证</td>
<td>Verifier / 多 agent 辩论</td>
</tr>
</tbody>
</table>
<p>把五派重新放在这张表前面看，你会发现每一派其实是<strong>对"哪个 LLM 局限最该补"的不同回答</strong>。这不是哲学分歧，是工程优先级分歧。</p>
<h3 id="核心理念scaffolding不是-modification">核心理念：scaffolding，不是 modification</h3>
<p>Agent 框架的真正核心可以浓缩成一个英文词：<strong>scaffolding</strong>——脚手架。</p>
<blockquote>
<p>不要试图改进 LLM 本身。把 LLM 当成一个固定能力的"思考函数"，在它周围搭建脚手架，让这个固定能力涌现出超出单次调用的复杂行为。</p>
</blockquote>
<p>支撑这个立场的三个根本判断：</p>
<ol>
<li>
<p><strong>模型能力短期内不会通过 agent 工程"提升"</strong>。GPT-4 就是 GPT-4，单次调用的能力上限不会因为你换框架而改变。Agent 框架能做的是让多次调用的总产出比单次调用大——<strong>这是涌现，不是提升</strong></p>
</li>
<li>
<p><strong>智能不只在大脑里，也在大脑和环境的交互中</strong>。这是 Andy Clark 的 extended mind hypothesis——一个数学家用纸和笔解题，"智能"不是只在大脑里，纸笔扩展了工作记忆。Agent 框架就是给 LLM 一套"纸和笔"</p>
</li>
<li>
<p><strong>可靠性来自约束，不来自能力</strong>。让 LLM 自己写一段复杂代码可能 70% 正确率。但如果你加上"先写测试，再写代码，跑测试，根据失败修代码"——可靠性能上 90%+。多出来的 20% 不是因为 LLM 变聪明了，是因为流程把它的不可靠性约束在了一个可恢复的循环里</p>
</li>
</ol>
<h3 id="一句话定义">一句话定义</h3>
<p>把闭环和 scaffolding 合起来，agent 框架的精确定义可以写成：</p>
<blockquote>
<p><strong>Agent 框架的核心理念是：把不变的 LLM 嵌入一个有状态、能行动、能反思、能积累的工程系统中，让模型的固定能力涌现出超出单次调用的复杂行为。</strong></p>
</blockquote>
<p>LLM 是大脑，agent 框架是身体。你不会问"汽车的目的是不是让发动机更准确"，同样你也不该问"agent 框架的目的是不是让模型更准确"。</p>
<p>agent 框架的真正问题是：<strong>给定一颗已经定型的大脑，如何造一具身体让它走出实验室，做点真正的事</strong>。</p>
<hr />
<h2 id="5-未来三年的六个方向">5. 未来三年的六个方向</h2>
<p>讲未来必须诚实——没人真的知道未来会怎样。能做的是把当前已经显现出方向性的信号列出来，让你自己判断。</p>
<p><strong>趋势一：从"对话型 agent"转向"行动型 agent"</strong></p>
<p>2023-2024 年的 agent 主要还是"和 agent 对话"。2025-2026 年明显的转向是长时间无人监督的自主任务执行——Claude Code、Cursor、Replit Agent、Devin、SWE-Agent。核心转变：从"agent 是个智能助手"到"agent 是个能独立完成任务的数字员工"。</p>
<p><strong>趋势二：multi-agent 成为默认架构</strong></p>
<p>Anthropic 公开他们内部用 multi-agent 做研究（research agent 调用多个子 agent 并行 search）。AgentScope、MetaGPT、AutoGen 都把 multi-agent orchestration 作为核心。未来 agent 的能力不只看单 agent 强不强，看 agent 之间的协议、协作模式、责任划分。</p>
<p><strong>趋势三：memory 从可选变成必备</strong></p>
<p>2024 年大多数 agent 系统没有真正的长期记忆。2026 年开始改变——LoCoMo benchmark、Mem0/A-MEM/D-MEM 这一系列工作的出现，标志着 memory 正在从"加分项"变成"基础设施"。Claude、ChatGPT、Gemini 都上线了原生 memory 功能。这会让 agent 真正具备"个性"：同一个框架跑 6 个月之后，因为积累的经验不同，行为会显著分化。</p>
<p><strong>趋势四：从 prompt engineering 转向 system engineering</strong></p>
<p>2023 年大家比谁的 prompt 写得好。2026 年的关注点已经移到<strong>整个 agent 系统的工程质量</strong>：可观测性、错误恢复、成本控制、多租户隔离、安全沙箱、审计日志。LangSmith、Arize、Helicone 这些 LLM observability 工具的崛起；Anthropic Agent Skills（agentskills.io）成为开放标准；"Eval-driven development" 取代 prompt-driven。</p>
<p><strong>趋势五：垂直化和具身化分流</strong></p>
<p>通用 agent（OpenAI Operator）和垂直专用 agent（医疗、法律、coding、机器人）会越来越分化。Coding agent 已经单独成产业（Cursor、Devin、Cognition、Claude Code）。VLA（Vision-Language-Action）把 agent 推向物理世界。</p>
<p><strong>趋势六：自进化的真正实现还很远</strong></p>
<p>ADAS、DGM 这些工作有 promising signs，但都是研究 demo，没有产品形态。真正的自进化还有三个未解问题：</p>
<ol>
<li><strong>奖励信号问题</strong>：现实任务大多没有明确 reward</li>
<li><strong>稳定性问题</strong>：自修改的系统很容易越修改越烂（catastrophic drift）</li>
<li><strong>算力问题</strong>：让 meta-agent 探索 agent 空间需要大量 LLM 调用，成本不可控</li>
</ol>
<p>这个方向是研究的金矿，但<strong>不是产品的金矿</strong>。如果做研究是正确方向；如果做工程，未来 2-3 年的主流仍然是"人类设计 agent + memory 累积经验"。</p>
<h3 id="一句话押注">一句话押注</h3>
<p>把六个趋势串起来，我自己的押注是：</p>
<blockquote>
<p><strong>未来三年，agent 不会变得更"聪明"，会变得更"靠谱"。</strong></p>
</blockquote>
<p>这个 distinction 比任何具体技术都重要。</p>
<hr />
<h2 id="6-从bet-哪个框架到bet-研究增量">6. 从"bet 哪个框架"到"bet 研究增量"</h2>
<p>九轮之后，如果你逼我给一个具体推荐，我会说：</p>
<p><strong>三层架构 bet</strong>：</p>
<div class="codehilite"><pre><span></span><code>┌────────────────────────────────────────────┐
│  研究增量层（你的工作）                    │
└────────────────────┬───────────────────────┘
                     ↓
┌────────────────────────────────────────────┐
│  执行层 (Execution): AgentScope v2         │
│  ReAct 循环、tool calling、HITL、streaming │
└────────────────────┬───────────────────────┘
                     ↓
┌────────────────────────────────────────────┐
│  记忆层 (Memory): Mem0 + ReMe              │
│  Mem0 做 personal/episodic（LoCoMo SOTA） │
│  ReMe 做 procedural（任务执行强）          │
└────────────────────┬───────────────────────┘
                     ↓
┌────────────────────────────────────────────┐
│  模型层 (Model): API 模型组合              │
└────────────────────────────────────────────┘
</code></pre></div>

<p>但<strong>这个推荐不是终点</strong>。</p>
<p><strong>真正的终点是：bet 不在框架，在你自己的研究问题</strong>。框架是水电煤，研究问题才是房子。三层架构的价值不在于它最强，而在于<strong>对所有可能赢家的兼容性</strong>——任何一层有更好的替代品出现，你都能换掉那一层而不丢掉整个工作。</p>
<h3 id="一个具体的研究假设">一个具体的研究假设</h3>
<p>举一个具体的研究方向作为例子：</p>
<blockquote>
<p><strong>用 agent + tool 任务作为"小模型 + 知识外置"的可证伪实验台。</strong></p>
</blockquote>
<p>这个假设是这样推出来的——</p>
<p>一个常见的初始想法是做"零知识 reasoning core"：一个具零知识但推理能力极强的小模型。但这个命题在自然语言上<strong>无法证伪</strong>：任何 NL 任务都掺世界知识，"零知识"根本无法干净操作，评估永远糊。</p>
<p>但 <strong>agent + tool 这个设定恰好把知识外置成可见、可控的接口</strong>：</p>
<ul>
<li>工具调用成功率是干净指标</li>
<li>世界知识被搬到 tool 后端</li>
<li>给"小模型靠 test-time compute 强推理"这个假设找到了一个能 falsify 的实验台</li>
</ul>
<h3 id="一个被打掉的细节">一个被打掉的细节</h3>
<p>顺着这条线，自然会想到再配一个 loss 函数"剥离知识，只保留语义理解和推理"。深查之后必须承认：<strong>原理上不存在</strong>。</p>
<blockquote>
<p>神经网络里"知识"和"推理"用的是同一组权重。不是"难分开"——是它们根本就不是两个东西。</p>
</blockquote>
<p>这是过去 10 年神经科学和深度学习交叉领域的共识。"知识剥离"这个想法和"把蛋糕的甜味剥离出来留下口感"是同构的——你不能 isolate 一个<strong>不作为独立成分存在</strong>的东西。</p>
<p>这个 finding 比"找到对的 loss"更重要——它告诉你这个方向应该绕开。<strong>省掉的六个月比新做的工作更值钱</strong>。</p>
<h3 id="test-time-compute-那条还活着">test-time compute 那条还活着</h3>
<p>去掉"剥离知识"之后，剩下的研究空间在另一个维度：<strong>test-time compute 的两个独立轴</strong>。</p>
<ul>
<li><strong>Token 空间</strong>（CoT 系）：模型把思考写成可读 token 序列。可解释、可教学、慢</li>
<li><strong>Latent 空间</strong>（递归 / loop / diffusion）：思考在隐空间中迭代。快、不可解释、压缩高</li>
</ul>
<p>理论上对小模型来说，<strong>latent space test-time compute 更有意义</strong>——它不靠"记住更多事实"（小模型本来就装不下），靠"用更多算力把同样的能力榨出来"。这才是和"小模型 + tools" 真正搭配的方向：</p>
<ul>
<li>小模型负责语言理解 + tool 调用决策</li>
<li>test-time compute 在 latent space 里做迭代细化</li>
<li>知识外置在 tool 后端</li>
<li>评估指标在 BFCL / AppWorld 这些工具调用 benchmark 上是干净的</li>
</ul>
<h3 id="现实的硬度">现实的硬度</h3>
<p>不要美化这条路：</p>
<ul>
<li><strong>Qwen2.5-0.5B 已经在 BFCL 榜上</strong>（Berkeley 自己提交的）。想拿 ≤ 1B 模型做 agent SOTA，是个公开战场</li>
<li>HRM 27M / TRM 7M 在 ARC 上击败 o3-mini 的"奇迹"，ARC Prize 复现报告显示 80% 来自训练范式（数据增广 + 迭代细化），递归模块本身只贡献 5pp</li>
<li>这是研究方向，不是 6 个月能 ship 的产品</li>
</ul>
<p>但作为研究，它满足三个条件：<strong>理论有抓手</strong>（计算放在哪个空间是可论证的）、<strong>可证伪</strong>（BFCL/AppWorld 干净指标）、<strong>资源可控</strong>（消费级显卡 + API 模型即可）。</p>
<p>这就够了。</p>
<hr />
<h2 id="7-结语九轮之后的真信念">7. 结语：九轮之后的真信念</h2>
<p>九轮讨论之后，我学到的不是哪个框架最好，是<strong>问题问得不对</strong>。</p>
<p>正确的姿态可以归纳为四句话：</p>
<ol>
<li><strong>没有一站式答案</strong>。五派分立，组合使用，自己动手</li>
<li><strong>Agent 的核心是闭环</strong>。趋势是闭环的每一环都在被工程化</li>
<li><strong>真正应该 bet 的是"对所有可能赢家的兼容性"</strong>——分层架构</li>
<li><strong>但分层架构本身只是水电煤</strong>。真正要 bet 的是研究问题</li>
</ol>
<p>未来三年，agent 框架的赢家可能 2027 年才会出现。在那之前，你需要的不是"赌对赢家"，是"保持对所有可能赢家的兼容性"。<strong>同时，把研究问题想清楚——比框架重要十倍</strong>。</p>
<p>九轮之后我对这个领域的态度从"想找一站式答案"变成了"接受没有一站式答案"。这不是失败，是更准的认识。</p>
<hr />
<h2 id="参考资料">参考资料</h2>
<p><strong>理论与综述</strong></p>
<ul>
<li><em>CoALA: Cognitive Architectures for Language Agents</em> — Sumers et al., Princeton, 2023. arXiv:2309.02427</li>
<li><em>A Comprehensive Survey of Self-Evolving AI Agents</em> — Fang et al., 2025. arXiv:2508.07407</li>
</ul>
<p><strong>记忆系统</strong></p>
<ul>
<li><em>Letta / MemGPT</em> — UC Berkeley</li>
<li><em>A-MEM: Agentic Memory</em> — Xu et al., NeurIPS 2025. arXiv:2502.12110</li>
<li><em>HippoRAG 2</em> — ICML 2025. arXiv:2502.14802</li>
<li><em>D-MEM</em>（多巴胺 RPE 门控）— UCSD/CMU, 2026-03. arXiv:2603.14597</li>
<li><em>Mem0</em> — ECAI 2025. arXiv:2504.19413</li>
<li><em>ReMe: Dynamic Procedural Memory Framework</em> — SJTU + 阿里 Tongyi, 2025-12. arXiv:2512.10696</li>
</ul>
<p><strong>框架与编译优化</strong></p>
<ul>
<li><em>DSPy</em> — Stanford, ICLR 2024 Spotlight</li>
<li><em>AgentScope 1.0</em> — 阿里 Tongyi Lab. arXiv:2508.16279</li>
</ul>
<p><strong>自演化</strong></p>
<ul>
<li><em>ADAS: Automated Design of Agentic Systems</em> — Hu, Lu, Clune, ICLR 2025. arXiv:2408.08435</li>
<li><em>Darwin Gödel Machine</em> — Sakana AI, 2025. arXiv:2505.22954</li>
<li><em>AlphaEvolve</em> — DeepMind, 2025. arXiv:2506.13131</li>
</ul>
<p><strong>追踪资源</strong></p>
<ul>
<li><a href="https://github.com/TsinghuaC3I/Awesome-Memory-for-Agents">TsinghuaC3I/Awesome-Memory-for-Agents</a> —— 这才是这个领域真正应该 watch 的 repo</li>
</ul>
</article>
<footer class="site-footer">
  <p>© 2026 Ehco · CC BY 4.0 · 转载请注明出处 · <a href="../index.html">首页</a></p>
</footer>
<script src="https://cdnjs.cloudflare.com/ajax/libs/highlight.js/11.9.0/highlight.min.js"></script>
<script>
  document.querySelectorAll("pre code").forEach((el) => { hljs.highlightElement(el); });
</script>
<script defer src="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/katex.min.js"></script>
<script defer src="https://cdn.jsdelivr.net/npm/katex@0.16.9/dist/contrib/auto-render.min.js"
        onload="renderMathInElement(document.body, {
          delimiters: [
            {left: '$$', right: '$$', display: true},
            {left: '$', right: '$', display: false},
            {left: '\\(', right: '\\)', display: false},
            {left: '\\[', right: '\\]', display: true}
          ],
          throwOnError: false
        });"></script>
</body>
</html>