9 月 10 日，阿里技术发布 Agent 自进化（Self-Evolution）系统综述，把过去分散的「技能自动提炼、技能迭代、技能与模型共进化」串成一条完整路径。核心信号是：Skill 正从「写死的静态提示」走向「可训练的外部参数」——Agent 不再只是被提示词驱动，而是能自己长出、打磨并复用能力。
完整事件全貌
综述给出四块拼图：Trace2Skill 从执行轨迹中提炼通用技能，把一次成功操作沉淀为可复用资产；EvoSkill / SkillOpt 让技能自动迭代优化，而非人手工调提示词；SkillRL 把强化学习引入技能库，使技能与底层模型权重递归共进化；GiGPO 算法则专门解决长序列、稀疏奖励下的训练难题——这是 Agent 自进化最大的工程拦路虎：一次任务跑几千步，只有末尾成功或失败一个信号，中间几乎没梯度。
核心差异化亮点
与「提示词工程 + 人肉维护技能库」的旧范式相比，这套体系的增量在于把技能变成了「可训练对象」。过去技能库是静态知识，更新靠人；现在技能能根据真实轨迹自我改进，并把改进反哺回模型。这更接近人类团队的「干中学」：做完一个项目，把方法论固化，下次更快。对编程、运维、客服等重复结构强的场景，自进化有望把单次交付成本持续摊薄。
落地短板与局限
现实约束有三：其一，自进化依赖大量高质量执行轨迹，轨迹稀疏或噪声大时，EvoSkill 可能学到错误模式；其二，GiGPO 解决了稀疏奖励，但长程任务的可验证性仍是瓶颈——「任务是否真的做对」本身需要评测体系支撑；其三，技能自动演化带来可解释性与安全隐忧：一个自己改写的技能，出了错难溯源。目前相关评测多为厂商内部口径，公开第三方基准行业暂未完整披露，后续将持续跟进迭代动态。
纵向与横向对比
纵向看，这承接了 Agent 从「单提示」到「多技能编排」再到「技能自进化」的三级跳，呼应 CREAO 等创业公司的递归自迭代 Harness，但阿里把 SkillRL 与共进化机制提到了研究综述层面。横向看，海外 OpenHands、Devin 等更强调「人在回路的编码闭环」，阿里这条线更偏「技能作为可训练外部参数」的模型侧思路，两条路径不互斥，可能走向融合。
中长期趋势研判
若自进化路线跑通，Agent 的竞争单位会从「谁的提示词写得好」转为「谁的技能库进化得快、验证得严」。但这也把治理责任前移：企业需要为「Agent 自己长出的能力」建立评测、回滚与审计机制。短期看，自进化更适合封闭、高频、可验证的垂直工作流；通用开放域的全面自进化，仍处研究阶段。