sshipanoo

08. 自我进化：不改权重也能越用越熟

外部化学习定位、失败沉淀、Skills 与睡眠整合、提示词自优化，以及从用工具到造工具的安全边界

语音三级范式、快慢思考分工、Computer Use 动作空间与定位，以及机器人双层控制与 VLA 草图

共享/隔离上下文、拓扑选型、真正优于单 Agent 的判据，以及文件系统并发与错误级联等失败模式

同样的 Agent 框架换不同的模型，结果会差很多。这一篇梳理几个对 Agent 表现影响较大的模型能力维度：指令遵循、工具使用、长上下文、推理能力，以及主流模型在这些维度上的差异

四个主流 Agent 框架的设计理念、抽象层级和适用场景对比。每个框架对相同问题给出了不同的答案，理解差异能帮你在实际项目里选对工具

当 Agent 能看到图像之后，代码生成的输入不再局限于文字描述。设计稿转代码、UI 测试、截图调试都成为可能。这一篇梳理多模态信息在代码 Agent 里的几种典型用法和工程挑战

HumanEval、SWE-bench 等基准回答了模型能不能写对代码这个问题，但和真实开发任务相比仍有距离。这一篇梳理现有评测的覆盖范围、它们的局限，以及如果要做一个更接近真实场景的评测应该考虑哪些维度

真实的代码库远超任何 LLM 的上下文窗口。这一篇讨论代码 Agent 在大型代码库里工作时面对的上下文问题：如何定位相关文件、如何在窗口里组织信息、如何管理跨文件的依赖关系

代码作为动作空间的代价是任意代码执行风险。这一篇讨论代码 Agent 在工程上需要处理的几类安全问题：沙箱设计的层级、权限最小化原则、文件系统和网络的隔离、以及代码场景下的提示注入

前 13 篇覆盖了从 PoT 到 InterCode 的主要论文。这一篇把它们放在一起，从动作空间、反馈机制、记忆结构、搜索策略四个维度横向比较，看不同方法在哪些问题上做了哪些不同的选择