从原子动作到标准作业程序：自进化LLM智能体的迭代工具优化

工具使用使大语言模型（LLM）智能体能够与现实世界交互并解决复杂任务。但既有智能体框架主要依赖由粒状原子动作（基础文件I/O或单轮搜索）组成的静态工具集——迫使智能体为每个重复工作流重新发明低层逻辑，导致推理开销与失败率上升。本研究提出：智能体可通过把这些原子动作合成为可复用的标准作业程序（SOP）实现自进化——SOP作为封装多步逻辑的可调用高阶工具。我们进一步引入EvoSOP：赋能智能体从执行轨迹提取SOP、并经构建、合并、评估与剪枝的系统生命周期迭代优化工具集的框架。大量实验显示：EvoSOP显著提升任务成功率，同时大幅减少交互轮数。分析还揭示迭代工具优化促成可靠高效的工具使用模式——为自进化智能体开发提供可扩展路径。