沙丘社区
论文

AgentFactory：通过可执行子智能体积累与复用实现自我演化的框架

AgentFactory: A Self-Evolving Framework Through Executable Subagent Accumulation and Reuse

Zhang Zhang, Shuqi Lu, Hongjin Qian, Di He, Zheng Liu
智能体系统Agent 工具调用

摘要

构建基于LLM的智能体已变得越来越重要。近期关于LLM智能体自我进化的工作主要将成功经验记录为文本提示或反思，无法可靠地保证复杂场景下任务的高效重执行。我们提出AgentFactory，一种新的自我进化范式，将成功的任务方案保存为可执行的子智能体代码而非文本经验。关键在于，这些子智能体基于执行反馈持续精炼，随着遇到的任务增多而日益稳健高效。保存的子智能体是带有标准化文档的纯Python代码，可在任何支持Python的系统间移植。我们证明AgentFactory实现了能力的持续积累：其可执行子智能体库随时间增长和改进，在无需人工干预的情况下逐步降低完成类似任务所需的工作量。我们的实现已开源，地址见https://github.com/zzatpku/AgentFactory，演示视频见https://youtu.be/iKSsuAXJHW0。

AgentFactory：通过可执行子智能体积累与复用实现自我演化的框架：论文配图
图 1：AgentFactory 管道概述。该图说明了两种边界情况。 Q1 代表不存在相关子代理的任务：元代理从头开始创建新的子代理并将它们保存到子代理池中。 Q2 表示已存在匹配子代理的任务：元代理重用它并通过自我演化过程修改它以处理新需求。在实践中，大多数任务都处于这两个极端之间——元代理重用一些现有的子代理来解决部分问题，同时为其余问题构建新的子代理。在多轮中，每个任务可能会创建或修改多个子代理，逐渐构建一个丰富且有能力的子代理池，最终可以导出以供其他系统使用。