下一代会自我进化的 AI Agent（ATDP）

摘要

解析論文提出的「下一代自演進 Agent」系統架構 Area 2.0，核心洞察是自演進 agent 落地的瓶頸不是模型不夠聰明，是缺一個系統級底座。提出 ATDP 六元組協議（可觀察狀態、隱藏狀態、動作、結果、獎勵訊號、元數據）完整記錄 agent 決策軌跡，透過 Data Proxy 做跨租戶隔離與可回放快照，再由控制平面依失敗嚴重程度分級處理（先寫入記憶庫、再改工具 schema、最後才觸發模型權重更新），並保留版本回滾能力。核心論點：自演進不是算法問題，是徹頭徹尾的企業系統工程問題。內容為簡體中文頻道轉寫，已正體化與用語校正。

重點

• 核心洞察：企業級自演進 agent 無法落地的瓶頸不是基礎模型不夠聰明、也不是強化學習演算法不夠先進，是缺一個系統級底座
• 工程巧思：不用重寫既有 agent 代碼，只需把調用大模型的 base URL 換成 Area 2.0 的 gateway，原有 agent 完全不知道背後換了主子
• ATDP 六元組協議：可觀察狀態（輸入輸出）、隱藏狀態（推理過程的草稿紙）、動作、結果、獎勵訊號、元數據（版本、成本、租戶），在信息保留與存儲成本之間找平衡
• Data Proxy 是強化學習閉環的第一道安全邊界，負責跨租戶隔離合規、延遲獎勵捕獲（把幾天後才出現的失敗訊號掛回原始軌跡）、支持版本化回放（能回答「如果當時用舊版 prompt 會不會失敗」）
• 控制平面依 SRE 思維分級處理：小問題寫入記憶（貼OK繃）、常見錯誤改工具 schema（治療）、只有跨租戶跨任務的頑固問題才觸發權重更新（進手術室），且每次更新都可毫秒級回滾
• 局限：原型目前只跑通模型權重更新這條路，修改工具/prompt 的多表面演進尚未完全實裝；帶動態驗證碼等場景的環境快照無法保存，導致大量軌跡不可回放
• 核心論點：自演進 agent 的未來不是純粹的演算法突破問題，而是徹頭徹尾的系統工程問題；沒有可塑上下文的日誌數據，對強化學習而言就是零資產

金句