不要先看项目名、star 或 demo。Ask the operational question first: what part of the agent changes, what feedback selects the change, who verifies it, and does the change survive into the next run?
在本 Survey 的严格口径下，一个 self-evolving AI agent 是这样的系统：它把任务执行、失败、用户反馈、benchmark 或环境信号转成候选改动，并把通过验证的改动保留到 prompt、memory、tool policy、workflow、code、curriculum、weights 或 population 中，影响后续行为。
这一定义来自论文主线和 README 的共同判断：self-evolution 要被评估为 controlled systems process，而不是 demo 标签或项目营销词。
| 门槛 | 通过条件 | 常见失败 |
|---|---|---|
| 可变对象 | 系统能修改 prompt、memory、tool policy、workflow、code、curriculum、weights 或 population。 | 只是在一次推理里生成更好的答案。 |
| 反馈信号 | 改动由 benchmark、环境、用户反馈、执行器、测试、judge 或 verifier 驱动。 | 只靠模型自评说“我变好了”。 |
| 候选生成 | 系统参与提出候选改动，而不是完全由人类离线重写。 | 人类手动 patch，agent 只执行新版本。 |
| 独立验证 | 候选改动被外部测试、隐藏集、环境反馈或独立 judge 检查。 | 同一个模型提出改动又批准改动。 |
| 保留机制 | 通过的改动被写入记忆、仓库、archive、技能库、权重或配置，并影响后续行为。 | 会话结束后没有任何可复用状态。 |
| 审计与回滚 | 有版本、lineage、失败候选、成本或回滚边界。 | 只有最终分数，没有过程记录。 |
可以动态调用工具，但 workflow、memory、prompt、code 或 policy 没有被反馈驱动地改变。
能自动搜索模型或架构，但常发生在部署前，系统本身未必继续改进自己的运行机制。
持续接收数据并按固定规则更新，不代表系统参与生成和选择改动。
如果反思被保留并影响后续策略，它可以是轻量自进化；如果只是一轮思考，则不够。
如果代码改动经过测试、保留、回滚和审计，是当前较容易审计的自进化形态之一。
权重更新只有在 agentic system 参与候选生成、验证、保留和审计时才进入严格自进化口径；普通离线微调、固定 online-learning rule 或 RLHF/RLAIF 更适合标成相邻训练方法。
raw 说明收了什么；是否进入 self-evolution，要看六个门槛和 strict/broad 口径。
名字里有 evolve 只是弱信号；没有这个词的 Reflexion、Self-Refine、DSPy 或 harness 项目也可能提供核心证据。
没有 lineage、成本、失败候选和权限边界的系统，不能被误读成成熟自进化。
不等于。Self Evolve 把它视为一种受控改进过程；Evolve-AGI Index 衡量的是领域成熟度，不是 AGI 终局能力分。
可以。很多 agent 的真实控制面在 prompt、memory、tools、workflow 和 code，只要这些对象被反馈驱动地修改并保留，就进入讨论范围。
会。判断标准不是项目名，而是是否回答了可变对象、反馈、验证、保留和回滚这几个问题。
demo 通常展示一次成功结果；自进化需要展示改动过程、失败候选、评估器、成本、回归和可复用状态。