AI Agent通常需要预设技能或工具，限制其处理复杂问题的能力。一种全新的“原位自进化”框架打破了这一常规，让Agent能够在推理过程中，根据实时任务需求动态地创造工具，实现自我进化。这种无需人类干预的自我武装，为AI解决开放性问题提供了更高效的路径，并展示了逼近通用智能的潜力。
智能速览
Agent可在推理时从零创造工具，无需预设。
在地狱级评测HLE中性能超越同类模型。
工具数量最终收敛至128个，具备高复用性。
采用“工具优先”路线，区别于传统工作流或记忆路线。
整个框架及数据集已完全开源。
研究团队仅用15万元经费完成实验。
精华内容
这种边工作边学习的自进化能力究竟是如何实现的？其背后的“原位自进化”框架与传统方法有何本质不同？
性能超越想象
在一项包含近4000道题的联合评测中，该Agent从零开始，总计创造了128个工具。这项测试横跨了Humanity’s Last Exam（HLE）、DeepSearchQA等多个高难度基准集。尤其在HLE“地狱级”评测中，其表现仅次于GPT-5.2-Pro，显著高于同类模型。实验数据表明，工具创造数量并非无限增长，而是呈现出边际效应递减的趋势，最终稳定收敛在128个，证明了工具的高度可复用性。
原位自进化框架
该框架的核心在于“原位自进化”，即在推理阶段而非训练阶段实现进化。它完全依靠模型内部的反馈和过往经验，无需外部监督数据。其内部架构由四个角色协同工作：管理者负责任务拆解与决策，工匠负责按需创造新工具，执行者负责使用工具完成任务，整合者负责对结果进行汇总。这种机制让Agent具备了在真实场景中“边做边学”的能力。
工具优先的思考
团队选择“工具优先”的路线，是基于第一性原理的考量。工具直接定义了Agent的能力边界，如同生产工具决定人类社会的发展。此外，工具的执行能提供天然的二元判别信号（成功或失败），无需昂贵的人工标注，这保证了进化的可控性和安全性。团队认为，相比容易过拟合的工作流和受幻觉影响的记忆，工具是实现AI能力进化更可靠、更高效的载体。
开源的意义
这项研究由云玦科技团队仅用15万元经费完成，其“One take”的特性也侧面印证了方案的稳健性。更重要的是，整个框架、实验日志及评测脚本已完全开源。这为开源社区提供了一件对抗闭源模型的“核武器”，有望让开源模型通过在使用中不断自我进化，打破“开放性、可控性、经济性”的不可能三角，实现性能的持续提升和弯道超车。
这种无需预设技能、能自造工具的Agent，为AI的通用化发展指明了一条更现实的路径。它通过自我进化有效解决了开放性与可控性的矛盾。随着这类开源方案的普及，AI未来是否真的能实现“越用越聪明”，从而加速通用智能时代的到来？
