让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环

传统软件的世界里，大家追求的是确定性。一样的版本、一样的输入、一样的环境，系统就应该给你一个稳定、可预测的结果。企业靠功能测试、回归测试和发布门禁，就能建立起清晰的上线标准。

但AI Agent这一套就完全不一样了，天然带着不确定性。模型采样怎么选、上下文怎么变、任务怎么规划、工具返回什么结果、长链路执行中任何一个环节出点小岔子，都可能影响最终结果。同一个问题你让它连续跑几次，Agent可能每次选的工具都不一样，走的路径也五花八门，甚至给出的答案都大相径庭。一次评测通过了，不代表下一次还能过；平均表现看着不错，也不代表线上就不会出现让人无法接受的质量低谷。

当Agent开始真正进入运维、研发、数据分析这些核心业务流程，企业最关心的，归根结底就是两个问题：

• Agent现在到底做得准不准，还有多少提升空间？
  不是看一次演示或者平均分就完了，而是要判断它在真实业务里的任务成功率、首次完成率，以及多次执行时的稳定性，看它到底能不能达到上线的要求。哪些场景特别容易翻车？这些点能不能通过工程手段再优化一下？

• 要达到这个准确率，需要付出多少成本？
  每完成一个成功的任务，到底要消耗多少Token、多少时间、调用多少次工具、需要人工介入几次？跟人工处理或者传统系统比起来，这笔投入到底划不划算。

Agent的准确率能不能满足业务要求，存在的问题有没有明确的改进空间，再加上整体成本是否在可接受范围内——这三点，才是决定它能不能从Demo走向生产环境，从局部试用走向规模化部署的关键。

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

每一次运行，都在产生待挖掘的经验

Agent的每一次运行，产出的不只是一个最终答案，它还会留下一条完整的执行轨迹：它是怎么理解任务的、选了哪些工具、怎么处理错误、最后又是怎么达成目标的。成功的轨迹里，藏着有效路径；失败的轨迹里，则记录着反复出现的错误和恢复的线索。

这些轨迹里，沉淀了大量还没被利用起来的优化证据。但原始的Trace本身并不天然等于经验。只有经过清洗和组装，形成结构化的Trajectory，再结合结果评估进行比较，才能提炼出那些可验证、可召回、可复用的行动经验。

所以说，数据飞轮的价值不在于积累更多日志，而在于让每一次运行，都能为下一次运行提供经过验证的优化依据。

Agent 上线之后，持续优化才真正开始

上线前准备的评测集，只能覆盖已知的问题。真实的业务场景会不断涌现新的用户表达、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，指望Agent靠上线前的一次调试就永久保持高质量，是不现实的。

今天，企业通常是通过下面这条人工数据飞轮来持续优化Agent：

这条路径虽然有效，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、总结方法，很快就会成为瓶颈。大量执行数据被保存下来，但真正能及时分析并转化为优化动作的，只占很小一部分。

企业需要的是一条自动化程度更高的进化路径：持续观测Agent的真实运行情况，从成功和失败的轨迹中自动发现规律，生成可复用的经验，再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”）想要解决的问题。

从人工数据飞轮到 Agent 自进化

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，把高噪音的执行数据清洗并组装成标准化的Trajectory，再从多个轨迹中自动挖掘出有效路径、失败模式、工具约束、参数规则和恢复策略，生成结构化的经验。

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，精准召回少量最适用的经验，并注入到Agent的运行时上下文中。Agent完成任务后，新的运行结果又形成新的Trace，进入下一轮的经验挖掘。

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，而经验库，则帮助Agent判断：在当前这个情境下，应该优先做什么？哪些路径容易踩坑？遇到问题后怎么恢复？以及，到底什么才算真正完成。

用经验降低 Agent 的不确定性

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，其实并不是模型本身能力不行，而是Agent在关键节点上做出了错误的选择：选错了信息入口、错误理解了工具参数、在得到空结果后反复重试、忽略了业务范围，或者结果还没验证就早早结束了任务。

这些问题，都具有明显的“经验属性”。同类任务运行得越多，系统就越有机会识别出哪些选择经常带来成功，哪些行为容易导致失败，以及不同情境下应该采用什么恢复策略。

经验注入的价值，就在于Agent做出关键决策之前，缩小它无效探索的空间：

• 在任务开始时，提供经过验证的入口选择和行动顺序；
• 在调用工具前，补充参数约束、数据范围和前置条件；
• 在出现错误或空结果后，优先提供有效的恢复方法；
• 在准备交付时，提醒Agent验证结果是否真正满足业务目标。

因此，企业衡量经验库时，不能只看一次运行成不成功，而应该同时关注这几个维度：

• 平均任务成功率；
• 首次完成率；
• 同类任务多次执行时的成功率、最低表现和结果波动；
• 失败模式的集中度；
• 人工接管率和返工率。

如果平均准确率提高了，同时质量下限也被抬高、运行波动在逐步缩小，Agent才真正从“偶尔做对”走向了“可以稳定上线”。

用更少的成本获得更多成功结果

准确率和成本，其实不是两个彼此独立的问题。很多Agent的成本，恰恰来自于不确定性：方向选错了，反复推理；工具调用失败了，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。

当经验能帮助Agent更早地选择正确入口、更准确地使用工具，并在失败后采用有效的恢复策略时，就可以同时减少以下几方面的消耗：

• Prompt与Completion Token；
• 无效的工具调用和重复查询；
• 单次任务执行时间和超时；
• 人工查看Trace、总结问题和修改提示词的投入；
• 原始Trace的存储、传输和重复分析成本。

对企业来说，最有意义的成本指标不是单次调用用了多少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都一定会下降。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”，而不是单纯追求最低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

AgentLoop 的 Agent 经验自进化：核心优势

广泛接入真实 Agent 运行数据

经验飞轮成立的前提，是能看到Agent的完整运行过程。企业内部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，都可以选择合适的方式采集模型调用、工具调用、执行结果和运行环境信息。

这种广泛的数据接入能力，使得经验库不再局限于某个Agent框架，而能成为企业级的共享优化基础设施。

用 Trajectory 提炼高价值执行数据

原始的Trace里，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，成本会增长很快，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、去噪并组装成标准化的Trajectory，只保留任务目标、行动步骤、工具调用、观察结果、错误、恢复过程和最终结果这些高价值信息。

在内部复杂样本中，清洗后的高价值轨迹，其数据量可以降到原始Trace的

。更小、更结构化的Trajectory，不仅降低了存储和挖掘成本，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

面向真实轨迹深度优化的挖掘与召回算法

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：

• 工具选择和调用顺序；
• 参数规则与前置条件；
• 容易导致失败的反模式；
• 错误恢复和问题绕行策略；
• 结果验证与完成判断规则。

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。

多类 Bench 验证质量与成本收益

AgentLoop的Agent经验自进化能力，已经在运维、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了25.1%，有害事件下降了27.8%；在PawBench和ClawProBench中，质量提高的同时，Token也明显下降。

实验也说明，质量和成本之间可能存在权衡。例如，PinchBench的Token增加了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。

Skill + CLI，让经验快速进入 Agent

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。

这种方式有三个明显的优势：

• 接入快，不需要改变模型权重；
• 经验更新后，可以立即被新的任务使用；
• 经验出现问题时，可以快速限制作用范围、替换或下线。

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。

让多个 Agent 共享经验、共同进化

企业真正需要的，不是某一个Agent单独变好，而是让有效的方法在组织内被复用。

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；一个团队已经踩过的坑，也可以成为其他团队提前避开的反模式。

共享经验能带来几项长期价值：

• 新Agent可以继承已有方法，降低冷启动成本；
• 新成员可以直接使用骨干积累的行动经验；
• 更换模型或Agent框架后，业务经验不必从零积累；
• 通用经验可以跨Agent共享，业务专属经验可以按AgentSpace和经验库隔离；
• 个人经验逐步转化为企业可管理、可追溯的能力资产。

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

位于模型之外，更新更快、迁移更容易

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：

• 可以服务不同模型和Agent框架；
• 可以按任务和业务动态召回；
• 可以快速更新，不必重新训练和发布模型；
• 可以按团队、业务和权限控制作用范围；
• 可以与评估结果结合，持续验证经验是否仍然有效。

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。

如何开启 AgentLoop 的 Agent 经验自进化

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：

• Agent已通过探针、OpenTelemetry、Pilot或eBPF等方式接入Trace；
• 客户端已安装Node.js 18或更高版本；
• 当前账号具有目标AgentSpace和经验库的访问权限。

第一步：创建经验库，开启自动挖掘

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：

1. 经验库名称：
   使用小写字母、数字和下划线；

2. 提取 Agent 应用：
   选择需要持续优化的Agent；

3. 经验抽取起始时间：
   指定从哪个时间点开始分析已有Trace。

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

第二步：创建访问凭证

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。

第三步：安装 Recall Skill 并复制配置

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：

1. 安装 alibabacloud-agentloop-experience Skill；
2. 配置 AGENTLOOP_ENABLE_RECALL、Recall Endpoint和API Key；
3. 执行一次经验召回验证。

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

第四步：验证召回并共享经验

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。

Agent 经验自进化与 Memory、RAG、微调和 RL 的差异性

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。

让 Agent 从“能用”走向“可持续上线”

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，将高噪音的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：

• 提高Agent的任务成功率；
• 提高同类任务多次执行时的稳定性；
• 减少无效推理、工具调用、超时和人工调优；
• 优化每个成功任务的综合成本；
• 让一个Agent的有效方法被其他Agent安全复用；
• 让组织经验跨模型、跨框架持续积累。

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。

开始Agent自进化之旅

请打开agentloop.console.aliyun.com ，立即让Agent开启自进化之旅。