不再依赖GitHub工具！云玦科技开源“原位自进化”Agent，边干活边造装备

当Skills范式还在被热议时，一种颠覆性的Agent新范式已然破局。它完全摆脱了对预设Skills的依赖，也无需开发者去GitHub翻找代码或工具。面对复杂需求，这种Agent能够一边执行任务，一边为自己研发“新装备”。

这种智能体不需要人类全天候伺候，更不需要人为地为其配置API或搬运现成工具。在实际工作中，每当遇到能力边界之外的挑战，它能直接通过“进化”来弥补短板。

该智能体以Gemini 3 Pro为核心后端，在被誉为“人类最后考试”的极难评测集HLE上表现惊人，其表现仅次于尚未全面公开的GPT5.2-Pro级别智能体。

在多项高难度基准测试中，它的表现比那些未披露具体工具使用方法的官方结果足足高出了近20分，且所有结果均是一次性（One take）跑通，无需反复调试。

这是来自云玦科技团队的最新研究成果。

具备“锻造”能力的自主Agent

这项技术的受关注源于近期流传的一段演示视频。起初，它看起来只是一个普通的任务处理场景：用户输入了一段复杂的分析指令。

请调研2023届毕业生中，哪些州的ACT考试参与率不低于50%且综合平均分达到20分？此外，请列出这些州学生达到科学基准的具体比例。

Agent随即进入分析与规划阶段，尝试从现有的库中调取工具。到这一步，其逻辑似乎与传统Agent无异。

然而，任务的开放性导致了预设工具链的断裂。常规Agent此时通常会卡死或报错，但令人惊讶的一幕发生了：

它竟然开始现场编写并调试代码，为自己“手造”了一个新工具！甚至在初次运行出错后，还能自我修复代码逻辑。

这种进化速度令人咋舌。在只有一次尝试机会的5个评测集中，该Agent白手起家，从零开始竟陆续“捏”出了128个实用工具。尤其在面对HLE两千多道题目时，它一边通关一边合成了97件“专属装备”。

随后，它带着这些积累的工具转战DeepSearchQA、FinSearch Comp等更多试炼场。当处理到约4000道题时，工具数量稳定在128个，不再盲目扩张。这意味着Agent已经意识到现有的工具库足以覆盖绝大多数新任务，展现出了极强的可复用性和逻辑收敛性。

△ 工具数量随处理任务量增长的统计曲线

数据对比显示，在知识迁移策略（WS）下，随着旧工具的积累，新工具的产出率大幅下降，后期甚至趋近于零。这证明了它构建的是一套通用的方法论，而非针对特定任务的死记硬背。

在其高频使用的前50个工具中，网页搜索、学术调研、PDF解析等通用基础工具占据核心地位。这种行为模式与人类的工作习惯高度一致：通过沉淀基础能力来解决复杂的长尾问题。

实验结果表明，该自主进化的Agent在多项基准测试中均处于领跑地位，尤其在需要深度检索和逻辑推理的场景下，性能远超常规配置的Agent。

核心机制：原位自进化框架

实现这一切的底层逻辑被称为原位自进化（In-situ Self-evolving Agent）。与传统的在训练阶段通过外部监督信号进行的自进化不同，原位自进化发生在推理阶段。

这意味着它不需要海量的真值标注，而是依靠模型在交互中的内部反馈和经验积累，实时“蒸馏”出通用技能。换言之，它是真正的“边干边学”。

阿里CEO吴泳铭曾预言，ASI（人工超智能）的关键节点在于AI的自进化。而云玦科技选择了一条更为务实的路径：工具优先。

该框架认为，工具是Agent能力边界的最直接体现，且工具执行的代码反馈（Binary Feedback）提供了最客观的监督信号。这支Agent军团由四个协同角色组成：

• 管理者（Manager）：全局统筹，负责任务拆解与工具匹配。
• 工匠（Tool Developer）：当现有工具不足时，现场编写并配置新工具。
• 执行者（Executor）：使用工具完成任务，并实时反馈结果。
• 整合者（Integrator）：汇总历史执行信息，生成最终精准回答。

为了提升进化效率，团队还引入了并行批处理（Parallel batch）技术，让Agent在处理一批相似任务后，一次性获取海量的经验包。此外，“测试时收敛”指标的引入，使得Agent的进化过程变得可量化、可监测。

研发背景：15万元打磨出的尖端成果

这支极具创新力的团队来自云玦科技，由前阿里巴巴集团副总裁彭超创办。论文通讯作者为联合创始人兼CTO齐炜祯，他曾是ProphetNet（多词元预测架构）的第一作者，该技术至今仍被DeepSeek、Qwen等主流模型沿用。

齐炜祯作为微软亚洲研究院出身的联培博士，在Agent范式和推理优化（如KV Cache）领域有深厚积累。令人敬佩的是，这项足以媲美SOTA的实验，是在仅15万元的研究经费下完成的。这意味着团队必须精准押注“工具优先”的逻辑，不容许任何冗余的试错成本。

开源阵营的“降维打击”

在To C场景中，AI一直面临开放性、可控性与经济性的权衡难题。原位自进化架构通过将成熟路径“固化”为静态模板，既降低了推理成本，又通过代码反馈确保了安全性。

目前，云玦科技已将这套架构及所有实验数据完全开源。对于开源模型阵营而言，这无异于一种强效的动态优势赋能：让智能体在真实场景中“越用越聪明”，从而在与闭源巨头的竞争中实现弯道超车。

从Skills到Zero Skill的跨越，或许正是AI迈向通用智能的下一个关键里程碑。

论文链接：https://github.com/YunjueTech/Yunjue-Agent/blob/main/tech_report/YunjueAgentTechReport.pdf

GitHub链接：https://github.com/YunjueTech/Yunjue-Agent/