CLLab · 持续学习实验室
自主进化的智能体系统
能力随经验增长，而增长不以遗忘既有能力为代价。
实验周报
现场调研
自主更新2
把 experiments/ 的三组结果整理成周报，图表导出 PNG。
已处理2m 14s
加载技能 · 读取 ×2 · 执行 Python +1
加载技能
weekly-report
读取
experiments/run_1.csv
experiments/run_2.csv
experiments/run_3.csv
run_2 收敛最快，精度高出基线 4.1%。报告与图表已写入项目目录；本次流程已沉淀到技能。
给 CLAgent 发消息…
默认
研究背景
智能体的主要数据来源正从人类语料转向自身与环境交互产生的经验流（Silver & Sutton, 2025；Wang et al., 2023）。CLAgent 将其置于持续学习的约束下：吸收新经验，不破坏既有能力。
Silver, D., & Sutton, R. S. (2025). Welcome to the Era of Experience.
Wang, G., et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. arXiv:2305.16291.
分层自主进化
上层活跃，下层稳固；内核不参与进化，确定性执行装载与裁决。
- 记忆层会话事实写入长期记忆，可检索、可修订、可删除
- 技能层流程归纳为技能包，按一句描述自动装载
- 拓展层提案 → 静态过闸 → 新一代；不可自扩能力面，可回退
- 内核装载、裁决与状态转换确定性执行，不参与进化
系统能力
每一步完整可见，敏感操作先经批准。
文件与文档
生成与修改 Word、PPT、表格。
终端与代码
命令与 Python，逐行可见。
浏览器
检索与操作，同屏共享。
过程与权限
时间线显形；敏感操作先批准。
模型
托管按用量，或自有接口。
拓展
一能力一包；可安装，可进化。