Agent 框架不是自进化：AutoGPT、MetaGPT、AutoGen、CrewAI、DSPy、LangGraph 差在哪
从英文论文第六章拆解主流 Agent 框架：它们提供运行时、角色、对话、流程、prompt 编译或状态图，但自进化需要额外的评估、记忆、更新和治理层。
一句话
Agent 框架提供“能运行”的骨架，自进化层提供“能变好且能证明”的机制。
三句话
AutoGPT、MetaGPT、AutoGen、CrewAI、DSPy、LangGraph 都解决了 Agent 工程的一部分问题。它们让工具调用、角色协作、prompt 编译、状态机和 workflow 更容易构建。但一个框架只有接入 evaluator、memory update、candidate generation、promotion gate 和 rollback，才进入 self-evolution。
这篇来自论文哪一章？
Source: paper-drafts/ch6-frameworks.tex。第六章分析主流 Agent frameworks 和 infrastructure，并说明 Self Evolve 更像框架之上的 evolution layer。
框架解决什么？
主流框架大致分六类：
| 框架 | 核心价值 | 自进化缺口 |
|---|---|---|
| AutoGPT | 任务循环和工具使用 | 评估与治理不足 |
| MetaGPT | SOP 和多角色协作 | 改进机制不自动 |
| AutoGen | 对话式多 Agent runtime | 需要外部评估闭环 |
| CrewAI | 轻量生产 flows | 需要持久学习层 |
| DSPy | prompt/program 编译优化 | 更偏优化器，不是完整 Agent OS |
| LangGraph | 状态图和循环 workflow | 需要版本化和 promotion gate |
这不是批评。框架本来就不该全包。问题是很多人把“用了框架”误当成“系统会进化”。
自进化层应该长什么样？
Framework runtime
+ trace logging
+ evaluator suite
+ memory write/delete policy
+ prompt/workflow candidate generator
+ sandbox validation
+ approval gate
+ rollback
+ report这个 evolution layer 可以放在任何框架上。LangGraph 提供状态图，DSPy 提供优化器，CrewAI 提供角色和流程，AutoGen 提供消息 runtime；Self Evolve 关心的是这些组件如何被反馈驱动地修改。
一个实用判断
当你评估一个 Agent 框架是否“支持自进化”时，不要看官网文案。看这七个接口：
- 是否导出完整 execution trace？
- 是否能版本化 prompt/workflow/memory？
- 是否有评估器接口？
- 是否支持 offline replay？
- 是否能比较两个 Agent 版本？
- 是否能阻止候选修改直接上线？
- 是否生成可审计报告？
如果答案多数是否，它只是 Agent runtime，不是 self-evolving runtime。
为什么 DSPy 特别重要？
DSPy 的价值在于它把 prompt 从手写字符串变成可优化程序。这个思想非常接近自进化：系统不再只“执行 prompt”，而是可以根据数据和 metric 编译 prompt。
但 DSPy 仍然需要和 Agent trace、memory、tools、workflow 结合，才能覆盖完整 self-evolution。
为什么 LangGraph 也重要？
LangGraph 把 Agent 流程显式化成图。显式图比隐藏 chain 更适合自进化，因为你可以比较版本：
v1: plan -> act -> observe
v2: plan -> retrieve memory -> act -> test -> reflect图结构让更新对象更清楚，rollback 也更自然。
给框架使用者的建议
- 不要先追求全自动自改；
- 先把 trace 和 evaluator 做出来；
- 把 prompt、memory、workflow 当成版本化资产；
- 给每次更新生成 diff；
- 从建议模式开始，不要直接写生产配置；
- 每个框架外面都要有独立审计层。
自进化不是框架功能列表里的一个 checkbox。它是框架之上的控制系统。