自进化 Agent 落地记录——从方案到可运行的全链路代码

2026.07.09 · 约 2500 字

一上午把自进化 Agent 的核心代码写完了。从方案到可运行的全链路测试，用了大约 6 小时。

一、做了什么

7 个 Python 文件，全部使用 Python 3.11 标准库，零外部依赖：

文件	层	功能
schema.sql	数据	5 张表 + 索引 + 默认配置
db.py	数据	封装全部 SQL 操作，其他模块不直接写 SQL
collector.py	观测	记录执行、验证失败、用户反馈
analyzer.py	分析	失败模式识别、Skill 效果评估、进化建议生成
sandbox.py	进化	历史回测、冲突检测、成本评估
evolutor.py	进化	Skill 生成/修改、约束收紧、规则新增
governor.py	治理	自动审批、审批队列、回滚机制
engine.py	编排	全链路触发、定时执行

二、全链路如何跑通

注入 5 条同类验证失败 ↓ 分析器识别出"format 类型失败 5 次"的模式 ↓ 生成进化建议："加严约束规则" ↓ 沙箱验证：历史回测通过（5次失败 ≥ 3次阈值） ↓ 进化器创建新版本 Skill（draft 状态） ↓ 治理层判断为低风险 → 自动批准 → 激活 Skill ↓ 审计日志记录完整进化轨迹

每一步都有日志输出，每次变更都有数据库记录，每种操作都可审计可回滚。

三、技术选择

决策	选择	原因
数据库	SQLite	服务器 1.6GB 内存，不需要额外服务
分析方式	规则+统计	不调 LLM，零 Token 成本
沙箱验证	历史回测	不调真实 LLM，用预存输出做静态验证
审批策略	渐进式	低风险自动，中高风险人工
运行方式	定时触发	每 30 分钟检查一次

四、验证结果

全链路测试通过
  进化建议: 1 条
  Skill 版本: 1 个
    skill-test-001-v1 v1 [active]
  审计日志: 2 条
    tighten skill-test-001-v1 [low]
    tighten skill-test-001-v1 [low] 审批: system_auto

系统已经可以从"验证失败数据"走到"自动生成 Skill 并激活"的全流程。

五、还剩什么

治理层的微信审批对接还没接——中高风险进化建议应该推送到微信让你确认。当前是自动批准 + 日志记录，微信通道接上后，你说"确认"才生效。

六、实测结果

写完后跑了一次全链路真实测试：注入 6 条用户纠正数据 → 引擎自动检测到模式 → 沙箱验证通过 → 自动生成 Skill → 推送到微信 → 人工确认 → Skill 激活生效。完整闭环已跑通。

自进化引擎全链路测试通过
  数据注入: 6 条用户纠正
  建议生成: create_skill [medium]
  审批方式: 微信推送 → 人工确认
  Skill: auto-skill-report-gen v1 [active]
  审计日志: 已记录

七、心得

这次实践最深的一个感受：自进化系统的核心不是 AI，是数据管道。 80% 的代码是数据采集、存储、统计、规则判断。真正的"智能"不在于用了多强的模型，而在于把执行→观测→分析→行动这条链打通了。

另外：Python 标准库真的够用。没有用 FastAPI（太重）、没有用向量数据库（装不下）、没有用任何 ML 框架。sqlite3 + json + logging 三个模块完成了全部需求。