Awesome Self-Evolving AI Agents

一份面向 AI Agent 自进化研究与实践的开放 Survey：帮你判断一个系统是真能从反馈中改进，还是只是在 demo 里看起来聪明。

中文主入口 | 英文版 | 在线网站 | 论文 PDF | Evolve-AGI Index | 项目报告

GitHub Topics: agent-evolution, self-evolving-agents, self-evolution, self-improvement, ai-agent, llm-agent, agent-swarm, memory-system, skill-library, harness-engineering, benchmark.

一句话

想判断一个 AI Agent 是不是“真自进化”，先问五件事：改了什么、为什么改、谁验证、是否保留、能否回滚。

三句话

1. 这份 Survey 不先堆链接，而是先给判断表：一个系统到底改变了 prompt、memory、workflow、code、weights，还是只换了说法。
2. 读项目时不要先看名字、stars 或 demo；先看它有没有 Observe -> Interpret -> Modify -> Verify -> Retain 的闭环。
3. Evolve-AGI Index 目前只是工作型证据指数原型，用来提示 benchmark、闭环、迁移、治理这些证据是否足够，不是 AGI 分数，也不是单个项目判决。

五句话

1. 这不是普通 Awesome List，而是一份围绕“AI Agent 如何可靠地改进自己”的开放 Survey。
2. 在本 Survey 的严格口径下，自进化系统需要说明可变对象、反馈信号、更新算子、独立评估器、保留机制和回滚路径。
3. 当前读者最容易复查的机制骨架是五类进化回路：规范到执行、搜索、评估器、反思/记忆、种群/归档。
4. Evolve-AGI Index 把 benchmark、闭环、证据、迁移、可运行性、动量和治理放在一张可讨论的表里，但权重仍是 editorial/proposed，还需要外部验证和敏感性分析。
5. 读者可以从这里快速进入定义、五类回路、代码自改进 benchmark、项目 model card、公开报告和论文，而不是被几百个链接淹没。

你可以直接用它做什么

先从这里读

英文读者现在可以从 /en/、英文定义页、英文五类回路和英文代码 benchmark matrix 进入；项目报告、增长试点、Value LSH 和长尾页面仍是中文优先页面，保留证据链接，但暂不宣称完整英文镜像。

证据管线

flowchart LR
  RAW["原始证据<br/>GitHub / 论文 / 博客 / 社交"] --> PROC["加工证据<br/>分析 / 研究 / 项目"]
  PROC --> SURVEY["Survey 综合<br/>五类进化回路 + 痛点 + benchmark"]
  SURVEY --> SPARK["核心洞察<br/>受控自进化"]
  SPARK --> EAI["Evolve-AGI Index<br/>证据加权估计"]
  EAI --> PAPER["论文核心<br/>论点 + 贡献 + 路线图"]
  SURVEY --> SITE["网站 + 图谱 + 报告"]

近期证据更新（2026-06-04）

本轮不是简单“刷新元数据”，而是把 swarm runtime、skill optimizer、skills benchmark、browser harness、memory middleware 和 educational swarm baseline 一起拉回同一条证据链。下面每个仓库都只回答一个问题：它补上了哪类判断证据。

核心洞察

一句话：本项目的核心洞察，是把 Self-Evolving AI Agents 从“自我改进的故事”变成“可审计的改进系统”。

三句话：一个系统只有在反馈中改变自己的 prompt、memory、tool policy、workflow、code、weights 或 population，并且保留可验证证据时，才进入自进化范围。Survey 背后的全部资源现在按同一个问题重排：哪个对象在变，什么信号驱动它变，谁阻止它变坏。Evolve-AGI Index 是这次重排后的工作型证据表，用来暴露 benchmark、闭环、迁移和治理证据是否足够，而不是给领域下最终分数。

五句话展开：

1. 过去读者需要在链接、star 热度、论文列表和网站材料之间自行判断；现在先看到结论，再进入证据。
2. Survey 不是“论文综述合集”，而是把论文、项目、benchmark、社交/博客信号和用户痛点互相校验。
3. 关键判断不再是“项目名字里有没有 evolution”，而是“系统是否形成 Observe -> Interpret -> Modify -> Verify -> Retain 的闭环”。
4. Evolve-AGI Index 不只是网站模块，而是一个方法原型：把不同证据摆到同一张可审查的表里，同时暴露权重、口径和验证缺口。
5. 对外读者看到的每个核心判断都应该能回到论文、项目报告、数据索引或 benchmark 证据；没有证据链的结论标记为 [UNVERIFIED]。

核心结论

Evolve-AGI Index 进入论文核心

一句话：Evolve-AGI Index 是本 Survey 的工作型证据指数原型，用来检查这个领域的证据成熟度，不是 AGI 终局能力评分，也不是单个项目的最终排名。

EAI = Σ(signal_score × signal_weight)

权重是当前 Survey 的 editorial/proposed weights，用来把不同证据放在同一张可讨论的表里；它们还不是经同行验证的领域标准，也没有完成敏感性分析或置信区间估计。

**Data Snapshot / 数据快照：**Evolve-AGI trend 使用的是 2026-06-01 趋势输入快照：93 个 strict evolution repos、200 个 broad evolution repos、239 条 trend public-report records。仓库治理和网站覆盖使用 docs/indexes/master-index.md 的最新生成口径：678 个 classified GitHub repositories、286 个 analyzed project/model-card reports、99 个 strict evolution repos、204 个 broad evolution repos、485 个 public project report files。两个口径不能混用：前者服务指数趋势，后者服务仓库覆盖审计。

Survey 证据地图

flowchart TB
  Q["核心问题<br/>严格口径下什么算自进化?"] --> A["资源重组<br/>原始证据 -> 加工分析 -> Survey -> 公开结果"]
  A --> B["机制框架<br/>Five Evolution Loops"]
  A --> C["证据框架<br/>trust chain + model card"]
  A --> D["测量框架<br/>Evolve-AGI Index"]
  B --> P["论文核心"]
  C --> P
  D --> P
  P --> R["README / 网站 / PDF / 主题页"]

论文主线

怎么读这个仓库

证据边界

• [KNOWN] 全仓库治理计数来自 docs/indexes/master-index.md，由 node scripts/generate_project_indexes.mjs 生成。
• [KNOWN] GitHub 语料、strict/broad evolution 子集和时间切片来自 analysis/github-project-data-analysis.md 与对应 JSON。
• [KNOWN] GitHub star-growth 试点账本来自 data-engine/github-star-history/、analysis/github-star-growth-ranking.md 和公开页面 star-growth；累计 Star 只作为 adoption prior，正式 2026 增长判断必须要求 complete_or_near_complete 覆盖。
• [KNOWN] Value LSH 证据分诊图谱来自 analysis/value-lsh-index.md、data-engine/value-lsh-index/ 和公开页面 value-lsh；它是深挖优先级和证据修复队列，不是最终价值判决。
• [KNOWN] 资料库覆盖、计数口径和当前缺口来自 analysis/resource-library-coverage-audit.md；最新 raw/classified/model-card/public-report 计数以 docs/indexes/master-index.md 和 analysis/github-project-data-analysis.md 为准。
• [KNOWN] Evolve-AGI Index 方法、权重和 benchmark 输入来自 analysis/evolve-agi-index.md、site/src/data/evolveAgiIndex.ts 和 reports/evolve-agi-index-trend.json。
• [KNOWN] Survey 章节和论文主稿来自 paper-drafts/main.tex 与 survey/latex/main.tex。
• [INFERRED] “核心洞察”是对上述证据的综合判断：把 Awesome 仓库升级为受控自进化领域的 Survey、指数和证据图谱，而不是一个单纯链接站。

给读者的下一步

Citation

@misc{awesomeSelfEvolvingAgents2026,
  title        = {Awesome Self-Evolving AI Agents: Survey, Evidence Graph, and Evolve-AGI Index},
  author       = {aha team},
  year         = {2026},
  howpublished = {\url{https://github.com/shiyao-huang/awesome-agent-evolution}},
  note         = {Open survey repository for self-evolving AI agents, benchmark evidence, project model cards, and field maturity indexing.}
}