MEGA：基于智慧图谱的自进化Agent优化基础设施

随着编码智能体日益承担实现工作，核心挑战从构建单个智能体转向构建能系统性改进它们的基础设施。当前方法要么在不积累可迁移知识的情况下优化智能体系统，要么积累知识却不对其做组合推理，且缺乏让知识通过运行证据自我进化的机制。MEGA（Meta Evaluation-Grounded Adaptation）作为自进化基础设施弥补这些缺口：每个优化循环产出持久资产，对这些资产的组合推理指导后续优化，运行证据同时精炼积累的智慧与支配推理的规则。第1层通过行为模式聚类和实证A/B验证从智能体会话中蒸馏可复用智慧，将每个过程转化为持久资产。第2层将这些资产分解为类型化智慧图谱中的原子PCR（Primary-Context-Resultant）单元，并进行演绎、溯因和归纳推理以扩展隐式关系；随后通过组合检索组装情境特定的执行计划，该检索能浮现仅靠嵌入相似度无法触及的桥接知识。第3层对异构智能体工作流（代码节点、大语言模型调用和使用工具的智能体）执行多Agent协作优化，通过消除数据方差的受控评估将改进效果归因到具体策略变更。从第3层反馈的证据驱动两方面的自进化：支配智慧组合的筛选策略，以及跨运行积累的优化轨迹。其结果是这样一个基础设施：优化智能体系统与进化指导优化的知识是同一个过程。