Autoresearch：AI 代理自我改进的反馈循环
本文介绍 Autoresearch——一种让 AI 代理通过反馈循环自我改进的架构，核心是定义正确的信号和评估机制，使系统不断进化。
Autoresearch 通过构建外层循环，让 AI 代理利用反馈信号、评估和人类输入来维护和改进主系统，实现自我进化。关键模式包括将循环本身作为产品、提出 agent recipe（代理配方）来封装人类专业知识，以及不断优化成本与性能。
正文摘录
[](https://substackcdn.com/image/fetch/$s!p4Th!,fauto,qauto:good,flprogressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe316b2cb-4200-4a71-bdcc-c398467b53ef1280x720.jpeg) Introspection 的 Roland Gavrilescu 在 AIEWF 现场。本周 AI Engineer World's Fair 上，“循环”一词被反复提及。另一个热门词汇是 autoresearch （自动研究），它涉及构建一个“外循环”，让代理（agent）利用反馈信号、评估（evals）和人工输入来帮助维护和改进主系统，随时间推移取得进展。 至少，这是 [Roland Gavrilescu](https://x.com/rolandgvc) 给出的定义——他是初创公司 Introspection 的联合创始人兼 CEO，这家新公司正在为部署这种自我改进系统构建基础设施。