Definition
先判断它算不算自进化
不是看名字里有没有 evolve，而是看可变对象、反馈、验证、保留和回滚。
Do not start with the name. Start with the mutable object, feedback signal, verifier, retention, and rollback path.
Self Evolve AI · 中文默认入口
AI Agent 自进化：到底改了什么、谁验证、能否留下来？
这不是链接收藏，而是面向可审计改进系统的判断图：一个 agent 到底改了什么、由什么反馈选择、谁验证、能否保留，失败时能不能回滚。
English core summaries are available under /en/. The full evidence corpus remains Chinese-first while parity is being built.
5问改了什么、谁验证、是否保留
3层强证据、待复核、弱证据
1路先判断，再查证据
Start here / 读者路径
如果你只读三件事，按这个顺序读。
Mechanism
再判断它通过哪条回路变强
反思、搜索、评估、代码自改进、种群/归档不是同一件事，证据强度也不同。
Reflection, search, evaluator loops, code evolution, and population archives are different evidence modes.
Evidence
最后查证据和限制
Star、benchmark、项目报告、Value LSH 和 Evolve-AGI Index 都只是证据面，不是单点答案。
Stars, benchmarks, project reports, Value LSH, and the Evolve-AGI Index are evidence surfaces, not one-number truth.
| Reader | 中文路径 | English path | Status |
|---|---|---|---|
| New reader | 从定义页开始 | Start with the definition page | paired core |
| Researcher | 看五类回路和论文主线 | Read the five loops and paper spine | paired core |
| Builder | 看 benchmark 与项目报告 | Compare benchmarks and project evidence | paired core + gated reports |
| Investor / product | 看增长、价值分类和信任边界 | Use growth, value classification, and trust boundaries | ZH-first evidence |
Evidence triage / 证据分诊
材料太多时，先决定哪些值得读、哪些需要复核。
Guiding to ↗ 前沿证据 camera focus + cluster spotlight
Priority review 859Needs review 1,074Repair / risk 297 value + PCA 24 facet-vector k-means clusters 2,230 nodes
github · needs-review
01-ai/langcrew
74.84triage score
65.38tag coverage
emb-008k-means cluster
LSH neighbors
共享 hash bands 的近邻召回，不等于上面的 k-means cluster 标签。
- ai-boost/awesome-harness-engineering github · triage score 72.93 · shared buckets 4 method_novelty / open_source_reuse / issue_resource_signal / hype_without_evidence
- xinhuagu/aceclaw github · triage score 75.48 · shared buckets 4 current_frontier_signal / self_evolution_loop_fit / mutable_artifact_clear / feedback_signal_clear
- neo4j-labs/agent-memory github · triage score 75.16 · shared buckets 4 current_frontier_signal / self_evolution_loop_fit / mutable_artifact_clear / feedback_signal_clear
- evalops/dspy-0to1-guide github · triage score 76.75 · shared buckets 3 method_novelty / open_source_reuse / issue_resource_signal / hype_without_evidence
- 0182 X Twitter Agent V2EX social · triage score 78.34 · shared buckets 3 method_novelty / open_source_reuse / issue_resource_signal / hype_without_evidence
- 0081 github com SalesforceAIResearch MCP Universe social · triage score 76.75 · shared buckets 3 method_novelty / open_source_reuse / issue_resource_signal / hype_without_evidence
这不是价值裁判，也不是累计 Star 榜。它用 26 个判断问题，把 GitHub、论文、社交/X 和博客材料先分成三类：值得深读、需要复核、证据不足或有风险。技术细节进入方法页，首页只保留读者用途。
2,236materials
26判断问题
174相似证据组
优先深读 851 待复核 1,085 修复/风险 300
Evolve-AGI worksheet
一个工作型证据表，不是 AGI 分数。
自进化系数 72.9 Exploratory rubric
Evolve-AGI Index 不是 AGI 能力分，而是一个 exploratory evidence-maturity worksheet，用来检查 AI Agent 自进化证据是否足够成熟。
Bench 80.1
Benchmark 表现 · 权重 18%
Loop 80.2
核心闭环强度 · 权重 20%
Evidence 78.7
证据链可信度 · 权重 18%
Transfer 65.2
迁移与验证 · 权重 14%
Historical adoption prior
热度只提供候选线索，不能替代证据。
这个表只保留历史热度作为阅读线索，不负责判断当前质量。严肃判断必须回到 evaluator、benchmark、retention、失败记录和项目报告。
| # | 项目 | Stars | 线索分 | 增长 | 判定 |
|---|---|---|---|---|---|
| 1 | AutoGPT | 175K | 28 | 🚀 病毒式 | 爆发式增长，大量一次性 star，fork 活跃度极低，issue 有效性偏低。典型「Hype-driven」传播线索；需要回到维护记录和真实使用复核。 |
| 2 | OpenHands | 55K | 68 | 🌱 自然增长 | 原 OpenDevin，学术+社区双驱动。ICLR 接收论文增加了可信度。沙箱环境设计实用。增长曲线平滑健康。 |
| 3 | AutoGen | 50K | 66 | 🌱 自然增长 | 微软品牌背书，学术渊源（Penn State + 微软研究院）。Actor 模型架构严谨。Magentic-One 是实质研究贡献。增长健康。 |
| 4 | MetaGPT | 50K | 56 | 🚀 病毒式 | 快速但较健康的增长曲线。中国团队主导但国际化程度高。论文驱动（SOP(Team)）增加了学术可信度。SELA/AFlow 子项目有实质研究。 |
| 5 | CrewAI | 30K | 62 | 📊 稳定 | 稳健增长，社区活跃度高，零依赖设计降低了参与门槛。100K+ 认证开发者表明有真实用户基础。营销适中。 |
| 6 | DSPy | 25K | 73 | 🌱 自然增长 | 斯坦福 NLP 声明式编程范式创新。增长曲线最健康之一。SIMBA 自我反思优化器是实质贡献。学术+工程双高。 |
| 7 | Devika | 22K | 30 | ⚠️ 可疑 | 与 AutoGPT 同期爆发，增长模式类似但后续活跃度更低。大量 star 无转化。issue 有效性低，PR 合并率低，传播异常需要复核。 |
| 8 | LangGraph | 20K | 67 | 📊 稳定 | LangChain 生态核心，Pregel 引擎架构扎实。受益于 LangChain 品牌溢出效应，但本身有技术深度。 |
| 9 | SWE-Agent | 15K | 70 | 🌱 自然增长 | Princeton NLP 出品，ICLR 2025 Oral。ACI 设计有创新。SWE-bench SOTA 背书。增长健康，学术驱动。 |
| 10 | OpenEvolve | 6.4K | 74 | 🌱 自然增长 | AlphaEvolve 开源复现，学术驱动。增长虽慢但 fork 有效性较强（大量实际使用），issue 讨论有深度；适合优先复核。 |
| 11 | Reflexion | 3.2K | 58 | 📊 稳定 | 经典论文实现，引用量极高但 GitHub 活跃度中等。作为「反思记忆」范式奠基项目，学术价值远超 Star 数。 |
| 12 | FunSearch | 1.5K | 62 | 🌱 自然增长 | DeepMind 品牌但增长缓慢。数学发现应用面窄导致 star 偏低，但代码维护线索和学术严谨度较强；不能仅按总 Star 低估。 |
Momentum clues
近期关注度只是下一步抓取线索
这里展示的是旧 star-signal 数据里的关注度线索，不是实时 GitHub 证据，也不是质量结论。完整 2026 new-star 判断必须等 star-history 覆盖达标。
OpenEvolve
#182
活跃度
72
贡献者多样性
55
Fork 有效性
🌱 自然增长 ★ 6K
DSPy
#280
活跃度
72
贡献者多样性
52
Fork 有效性
🌱 自然增长 ★ 25K
SWE-Agent
#378
活跃度
65
贡献者多样性
48
Fork 有效性
🌱 自然增长 ★ 15K
LangGraph
#476
活跃度
70
贡献者多样性
45
Fork 有效性
📊 稳定 ★ 20K
OpenHands
#575
活跃度
70
贡献者多样性
45
Fork 有效性
🌱 自然增长 ★ 55K
CrewAI
#672
活跃度
60
贡献者多样性
40
Fork 有效性
📊 稳定 ★ 30K
AutoGen
#768
活跃度
75
贡献者多样性
42
Fork 有效性
🌱 自然增长 ★ 50K
MetaGPT
#858
活跃度
68
贡献者多样性
35
Fork 有效性
🚀 病毒式 ★ 50K
Reflexion
#955
活跃度
60
贡献者多样性
38
Fork 有效性
📊 稳定 ★ 3K
FunSearch
#1045
活跃度
82
贡献者多样性
30
Fork 有效性
🌱 自然增长 ★ 2K
Mechanism anchors
六类代表案例：看为什么值得研究，不看谁是冠军。
这些不是最终排名。每类只给一个代表性证据锚点，帮助读者识别机制差异；严肃判断要回到论文、项目报告和原始 benchmark。
🧬 架构/代码自修改
代表案例 AlphaEvolve 证据锚点
DeepMind 报告 4x4 complex-valued matrix multiplication 的 48-scalar result；SOTA 恢复率仍需按来源逐项复核
对照: DGM L4 Code Self-Mod
7 篇论文 证据入口
🏗️ Agent 自动设计
代表案例 ADAS 证据锚点
自动发现 Agent 架构是机制锚点；跨域迁移需要回到 held-out tasks、消融和失败候选
对照: OpenEvolve L4 Arch Search
5 篇论文 证据入口
🪞 推理时自我修正
代表案例 Reflexion 证据锚点
HumanEval / AlfWorld 数字只作论文报告线索，需回到 evaluator 设置和任务口径
对照: Self-Refine L2 Prompt/Output
15 篇论文 证据入口
🎮 训练时自博弈
代表案例 Absolute Zero 证据锚点
零外部数据自博弈是候选机制；venue、benchmark 与训练口径需要来源页复核
对照: ReVeal L2 Self-Play RL
12 篇论文 证据入口
⚡ 声明式 Prompt 优化
代表案例 DSPy 证据锚点
采用广泛只是 adoption prior；编译式 prompt 优化不自动等于自进化闭环
对照: OPRO L2 Prompt Evo
10 篇论文 证据入口
📚 技能/记忆积累
代表案例 Voyager 证据锚点
技能库与开放式探索是证据锚点；具体数字 claim 需要回到 benchmark source
对照: SE-Agent L3 Memory/Skill
18 篇论文 证据入口
Agent-Swarm Evolve
把 Agent 团队本身变成可进化对象
这一部分不是“多开几个角色”，而是看角色库、拓扑、共享状态、验证队列、handoff 协议和组织记忆是否会在独立反馈后更新，并且能留下 lineage、失败候选和回滚路径。
拓扑优化
GPTSwarm / EvoMAC
agent 节点、通信边和路由概率会随任务反馈更新
看 held-out tasks、edge ablation、环境反馈
自主组织基础设施
CORAL / metaswarm
worktree、shared state、grader、heartbeat 和 archive 形成组织级闭环
看 grader 独立性、lineage replay、跨模型 review
生产型 swarm runtime
swarmclaw / OpenClaw team
schedules、delegation、memory、provider routing 和工具权限进入运行时
看真实 workflow、权限审计、成本上限和可观测性
图谱涌现协作
Insight Swarm
shared knowledge graph、tension links、challenge votes 代替中心 orchestrator
看反共识指标、证据链和 contested thesis 处理
关于
核心价值不是页面数量，而是可复查判断。
Self Evolve 不只是索引。当前生成索引记录了 686 个 raw GitHub captures、300 个 analyzed project/model-card reports、98 个 strict evolution repos、204 个 broad evolution-related repos 和 491 个 public project reports。
这些数字只说明证据覆盖，不自动等于结论可信。高置信结论必须能回到论文、项目报告、benchmark 或 raw index；缺口继续标为待复核。
Total stars = historical adoption prior. Star growth = current momentum pilot. Value LSH = heuristic triage, not final judgment.
研究
值得持续追踪的进化机制
2023
2023
2023
2024
2023
OPRO：Large Language Models as Optimizers
用自然语言描述目标和历史分数，让 LLM 基于反馈提出新候选，是通用“LLM 即优化器”模板。
进化计算 + LLM LLM 优化器标量反馈
2023
2024
AutoML-Agent：多 Agent 全流程 AutoML
将数据检索、预处理、建模、评估和部署拆成专用 Agent，最接近产品化 Self Evolve 工作流。
AutoML + LLM AutoML多智能体
2023
博客
面向研究者与开发者的实践笔记
2026-05-30
Anthropic Dynamic Workflows：为什么它是 Agent-Swarm Evolve 的热点证据
把 Claude Code dynamic workflows 放回 Self Evolve 主题：它不是普通多 Agent，而是让任务组织、验证队列、并行子代理和安全边界一起变成可审计的 Agent-Swarm Evolve。
AnthropicClaude CodeDynamic WorkflowsAgent-Swarm EvolveAI 自我进化AgentOps
2026-05-30
Anthropic 五月热点：从 Opus 4.8、Stainless 到 965B 估值，AgentOps 栈正在成型
把 Anthropic 2026 年 5 月的 Opus 4.8、Dynamic Workflows、Stainless 收购、Claude containment 和 Series H 融资放回 AI Agent 自进化主题：模型竞争正在变成 AgentOps 基础设施竞争。
AnthropicClaude Opus 4.8Claude CodeStainlessMCPAgentOpsAI 自我进化
2026-05-26
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。
Agent FrameworkAutoGPTAutoGenCrewAILangGraphDSPy