EvoAgent：结合技能学习与多智能体委派的可演化智能体框架

本文提出了 EvoAgent——一种可进化的大语言模型 (LLM) 代理框架，它将结构化技能学习与分层子代理委托机制集成在一起。 EvoAgent 将技能建模为配备触发机制和进化元数据的多文件结构化能力单元，并通过用户反馈驱动的闭环流程实现持续的技能生成和优化。此外，该框架通过结合三阶段技能匹配策略和三层内存架构，支持复杂问题的动态任务分解和长期能力积累。基于真实外贸场景的实验结果表明，集成EvoAgent后，GPT5.2在专业性、准确性和实用性方面取得了显着提升。根据五维大语言模型法官评估协议，总体平均分数提高了约 28%。进一步的模型迁移实验表明，智能体系统的性能不仅取决于底层模型的内在能力，还取决于模型与智能体架构之间的协同程度。