MOSS：自主智能体系统中基于源码级重写的自进化

自主智能体系统在部署后大多保持静态：它们不从用户交互中学习，反复出现的失败会一直存在，直到下一次由人驱动的更新发布修复。自进化智能体应运而生，但它们都将进化局限于文本可变的产物——技能文件、提示配置、记忆schema、工作流图——而不触碰智能体骨架（harness）本身。由于路由、钩子顺序、状态不变量与分发逻辑存在于代码而非任何文本产物中，一整类结构性失败在物理上无法从文本层触及。我们论证源码级适配是一种根本上更通用的介质：它是图灵完备的，是所有文本可变范围的严格超集，以确定性的方式生效而非依赖基座模型的服从性，且不会在长上下文漂移下退化。我们提出MOSS，一个在生产级智能体基底上进行源码级自重写的系统。每次进化都以一批自动整理的生产失败证据为锚点，经由确定性的多阶段流水线推进；代码修改委托给可插拔的外部编码代理CLI，而MOSS保留阶段排序与裁决权。候选方案通过在临时试验worker中将失败批次重放到候选镜像上来验证，随后经用户同意门控的原地容器替换晋升，并以健康探针门控回滚。在OpenClaw上，MOSS在单个周期内、无人工干预的情况下将四任务平均评分从0.25提升至0.61。