AgentDevel：将自进化 LLM 智能体重构为发布工程

大语言模型（LLM）智能体的近期进展大多聚焦于在智能体内部嵌入自我改进机制，或在众多并发变体之间搜索。这些方法虽然能提高聚合分数，但往往产生不稳定且难以审计的改进轨迹，使人难以保证不发生回归，也难以跨版本推断失败原因。我们将智能体改进重构为发布工程（release engineering）：智能体被视为可交付的制品，改进被外化为一条具备回归感知的发布流水线。我们提出 AgentDevel，一个发布工程流水线：它迭代运行当前智能体，从执行轨迹中产生与实现无关的、症状级的质量信号，通过可执行诊断合成单一发布候选（RC），并在以翻转为中心的门控下晋升该候选。AgentDevel 具有三个核心设计：(i) 与实现无关的 LLM 评审器，在不接触智能体内部的情况下刻画失败的表现形态；(ii) 基于脚本的可执行诊断，聚合主导症状模式并产出可审计的工程规格；(iii) 以翻转为中心的门控，将通过到失败的回归与失败到通过的修复作为一等证据优先处理。与基于种群的搜索或智能体内自我精修不同，AgentDevel 维护单一规范版本线，并把不回归作为首要目标。在执行密集型基准上的实验表明，AgentDevel 以显著更少的回归带来稳定改进，同时产出可复现、可审计的制品。总体而言，AgentDevel 为像软件开发一样构建、调试与发布 LLM 智能体提供了一种实用的开发纪律。