为了让 agent 可以在生产环境中稳定的进化,搞了套能让 agent达成自回归进化的脚手架,agent通过实战获取真实的reflections,由 reflector 根据 reflection 选择新增 lesson or 支持 /推翻历史 lesson 形成图谱,Agent 通过索引渐进式消费 lesson 注入到 context 尾部起到最强的提示作用,而后在实战中继续通过管理员或者客户的反馈获得 reflection 的递归 loop
大概这么一套东西上了大半个月,agent 在评测里的分数越来越稳定了,好奇这个网络长得怎么样了,搞了个可视化,这谁看的不迷糊,像大脑一样,漂亮