今天多数 Coding Agent 在部署后基本保持静态：模型、提示词、工具接口、记忆和控制流由开发者事先确定。可软件环境持续变化，仓库结构、依赖、API 与团队规范都在移动；每一次测试失败、编译错误、CI 日志和代码审查，又都提供了可复用反馈。
自进化 Coding Agent 试图把这些反馈沉淀成持久变化，让 Agent 下一次不再从同一初始状态开始。最新综述整理了截至 2026 年 8 月的相关研究，并用一个非常实用的问题建立分类：一次任务结束后，系统究竟更新了什么？
#反复运行不等于自进化
普通 Coding Agent 会搜索仓库、修改文件、运行测试并根据结果重试。这只是单次任务内适应。只有某种变化跨任务保留下来，并影响未来行为，才属于自进化。
同样，一次性人工改提示词、离线训练新模型，也不自动构成自进化系统。关键在于存在闭环：任务轨迹产生软件反馈，优化机制选择并写入持久组件，后续任务使用更新后的系统，再继续接受检验。
软件工程特别适合研究这种闭环，因为反馈可执行、仓库上下文丰富、错误可以反复重现。但这些优势也有反面：测试可能不完整，CI 可能偶发失败，生成测试可能验证错误需求。错误反馈一旦写入永久状态，影响的不再是一个补丁，而是之后所有补丁。
#六种可以进化的对象
#1. Agent 框架
系统可以修改提示结构、控制器、检索策略、验证逻辑或完整 Harness。它可能从失败轨迹中发现“总是搜索错目录”，于是改变定位步骤；也可能自动生成新的脚手架并在基准上选择表现更好的版本。
框架更新影响范围最大，也最难归因。一次局部提升可能来自更多计算、特定仓库捷径或评估噪声，而非真正更好的通用结构。
#2. 记忆
最常见形态是保存任务经验、仓库事实、失败原因和解决步骤，在未来检索。记忆更新实现容易、风险相对可控，因而也是现有产品最集中的方向。
问题在于记忆会陈旧、重复和污染。旧 API 规则可能已失效，某个仓库的特殊处理可能被错误迁移到其他项目。记忆系统必须支持来源、适用范围、置信度、过期与删除，而不是无限追加成功摘要。
#3. 技能与工具
Agent 可以把成功轨迹编译成可复用流程，创建新脚本、工具封装或操作技能。相比自由文本记忆，技能更可执行、更容易复现，也更可能减少重复推理。
但一个在单次任务中有效的脚本不一定安全通用。新工具需要权限声明、测试、版本和隔离，退役条件也应与创建条件同等重要。
#4. 模型侧组件
系统可以通过微调、适配器、偏好学习、奖励模型或推理时参数更新改变模型行为。它把经验写得更深，不依赖每次检索记忆，却带来更高成本和灾难性遗忘风险。
模型更新还最难回溯到具体经验。若生产行为恶化，需要知道哪批数据、哪次训练和哪个检查点造成变化，并能够迅速切回。
#5. 工作流与拓扑
系统可以改变步骤顺序、角色分工、Agent 数量和通信关系。例如在某类任务上增加独立测试者，或把低价值的多 Agent 结构收缩成单 Agent。
拓扑进化容易把局部补丁固化为组织复杂度。每一次失败都新增角色或条件分支，最终得到更慢、更贵、责任边界更模糊的 Harness。
#6. 环境与上下文
Agent 也可以改变文件选择、上下文压缩、依赖快照、沙盒配置和任务环境。对长仓库而言，改进“看什么”有时比改进模型更有效。
这一层靠近安全边界。允许 Agent 修改环境，如果没有权限隔离和不可变验证器，可能演变成让任务适配当前 Agent，而不是让 Agent 正确解决任务。
#何时更新，以及根据什么更新
进化可以发生在任务过程中、任务结束后、多个任务累计后，或部署之外的批处理阶段。即时更新反馈最快，却最容易把一次偶然结果写入状态；批量更新能用更多证据和独立验证，代价是适应速度较慢。
软件领域提供多种信号：单元测试、编译器、静态分析、运行时轨迹、CI、代码审查和用户反馈。可执行信号通常比模型自评更可靠，但“测试通过”只证明测试覆盖到的行为。若测试本身错误或不完整，Agent 可能学会迎合测试，而不是满足真实需求。
因此，更新策略应组合多个证据，并区分提出变化和批准变化。Agent 可以生成候选记忆、技能或工作流；独立验证在保留仓库、不同任务和安全套件上通过后，再把候选晋升为生产状态。
#进化必须包含遗忘、退役与回滚
综述指出，当前评估擅长测短期通过率，却很少测长期维护、鲁棒性、安全和跨环境迁移。一个系统可能因为持续增加提示规则、记忆和工具而在公开基准上涨分，同时变得更大、更耦合、更难审计。
真正的生命周期控制至少需要：
- 每项持久修改都有来源、版本、依赖和适用范围；
- 更新前后在保留任务与未见仓库上比较，而不是只看产生它的案例；
- 测量保留与遗忘，避免新技能破坏旧能力；
- 设定复杂度预算，新增组件必须替换或证明优于旧组件；
- 记录逆操作，使记忆、工具、路由和状态副作用可以整体撤回；
- 定期退休长期未命中、重复或失效的组件。
论文特别强调“可逆进化”不只是保存旧文件。一个在线组件被撤回时，它造成的状态与依赖影响也应能够恢复，同时服务继续运行。这比普通版本回滚更严格，却是自修改系统进入生产的必要条件。
#评价重点应从分数转向进化质量
除了任务成功率，评估还应报告：相对静态 Agent 的真实增益；连续任务中的保留与遗忘；对未见仓库、语言、工具和模型的迁移；每单位进化成本带来的提升；记忆与技能增长速度；修改复杂度；组件退役和回滚的成功率。
这些指标能区分两种看似相同的上涨：一种是系统学会了可迁移的方法，另一种是 Harness 记住了公开基准的答案和捷径。
自进化 Coding Agent 的长期价值，不是让系统永远积累更多东西，而是让它能够选择性吸收可靠经验，并在证据变化时安全撤回。未来最可信的系统可能不是更新最快的系统，而是每一次更新都可验证、可解释、可迁移，也可删除的系统。