FlowEvo：通过工作流与可执行技能的协同进化实现自我进化智能体

大语言模型智能体可以通过在推理时构建工作流来适应复杂任务，但单次任务中发现的过程通常在执行后即被丢弃。现有的技能库提供了可复用的可执行例程，但它们通常是在离线状态下组装的，并不会从智能体自身的工作流中生长出来。我们提出FlowEvo，一个无需训练的框架，让工作流与技能在推理时协同进化。FlowEvo将成功的工作流编译为可调用的技能，存入持久化的技能库，并通过直接执行、或将检索到的技能作为构建新工作流的上下文来使用它们。它还追踪每个技能的下游效用，并抑制导致负迁移的技能。在使用共享的GPT-4o-mini骨干的情况下，FlowEvo在ALFWorld、HumanEval、MBPP、GSM8K和MATH-500的完整标准划分上，取得8个基线中最高的准确率。在ALFWorld上，它达到85.6%，比最强基线高26.4个百分点，同时使用的token数量约为后者的三分之一。在覆盖7B到671B参数的10个基础模型上，FlowEvo在50组模型-数据集对比中的49组里优于ExpeL。代码已在 https://github.com/DEFENSE-SEU/FlowEvo 发布。