EPOCH：用于多轮系统优化的智能体协议

自主智能体正被越来越多地用于通过迭代执行与反馈来改进提示词、代码和机器学习系统。然而，现有方法通常被设计为任务特定的优化循环，而不是作为建立基线和管理可追踪多轮自我改进的统一协议。我们提出EPOCH，一个面向异构环境中多轮系统优化的工程协议。EPOCH将优化组织为两个阶段：基线构建与迭代式自我改进。它进一步通过角色约束的阶段来构造每一轮，将规划、实现与评估分离，并通过规范化的命令接口和轮级追踪来标准化执行。这一设计实现了跨提示词、模型配置、代码和基于规则组件的协同优化，同时保持了评估的稳定性、可复现性、可追溯性与完整性。在多种任务上的实证研究表明，EPOCH对面向生产的自主改进工作流具有实用性。