Auto-Improving Software：coding agents 自己构建、运行、改进自己的平台

TL;DR

本文核心观点：

Agent 开发平台是第一个可以自我改进的软件类别 — 因为 action、data、iteration tool 全都集中在一个地方

五 prompt 循环覆盖整个 agent 开发生命周期 — Create / Improve / Extend / Hill Climb / Review

Auto-improvement 的三个设计原则 — API 暴露一切 / 数据集中 / logs over everything

Improve → Hill Climb 递归循环 — agent 自己对抗性测试自己，发现失败就修复，修复完再测试，直到通过

一、五个 prompt 覆盖完整生命周期

大多数 agent 开发平台只解决”创建”这一步，然后让开发者在其他地方完成测试、部署、迭代。

Ashpreet Bedi 的平台不一样——它用五个 prompt 覆盖整个 agent 开发生命周期：

Create

Scaffolds a new agent。从零构建一个新的 agent scaffold。

Improve

Hardens an existing agent against its own spec。发现 agent 在某些场景下失败 → 对抗性测试 → 修复。

Extend

Adds new capabilities to an existing agent。为已有 agent 添加新能力，小步验证增量。

Hill Climb

Runs the eval suite, diagnoses failures, fixes what’s in scope。运行评估套件、诊断失败、修复范围内的问题。

Review

Sweeps the repo for drift between docs, code, and config。自动修复文档、代码、配置之间的漂移。

二、为什么 auto-improvement 现在才可能

大多数软件无法 auto-improve，因为它的输入和输出分散在多个工具之间。

要运行 auto-improvement 循环，coding agent 需要从三个不同工具拼装数据——每个工具背后有独立的认证体系、自己的操作方式。

理论上可行。实际上摩擦太大。

Ashpreet Bedi 的代码库从一开始就是为 auto-improvement 设计的：

Coding agent 可以测试一个 agent
然后通过读取 sessions、traces、logs 判定 PASS 或 FAIL
如果 agent 失败了，它编辑 agent 代码，然后再次运行

三、Create：从 prompt 到 agent 需要多久

Ashpreet Bedi 在 Claude Code 里输入：

Run create-new-agent.md in a new branch.

然后 Claude 会：

问几个关于 agent 用途和需要工具的问题
通过 MCP 搜索 Agno docs 获取合适的 toolkit
生成 agent 文件
在 app/main.py 注册 agent
重启容器
通过 cURL 做 smoke test

从 prompt 到可运行的 agent：5-10 分钟。

因为平台自动处理了所有基础设施工作，他开始构建一些以前根本不值得花时间做的 agent：

总结隔夜 Slack 消息的 agent
起草每周汇报的 agent
标记 repo 里重要问题的 agent

这些任务以前撑不过一个多日项目。现在一个 coffee break 就能搞定一个。

四、Improve → Hill Climb 递归循环

Improve → Hill Climb → Improve → Hill Climb → ...

递归改进循环，用最小监督持续提升 agent 能力。

很难想象这个过程可以手动完成——但它确实在工作。

五、三个让 auto-improvement 成为可能的设计

1. API 暴露一切

每个关键操作都暴露为 API：运行 agent、读取 session、运行 eval。每个操作都可以用 cURL 或 bash 触发。

这意味着 coding agent 不需要点击 UI，它可以用脚本触发任何操作、读取任何结果。

2. 数据集中

Sessions 和 traces 存在同一个 Postgres 数据库里。Agent 触发一次运行，然后读取输出——不需要离开自己的环境。

大多数软件的问题不是”不能改进”，而是”数据和工具不在一个地方”。跨工具的数据搬运打断了改进循环。

3. Logs over everything

整个平台跑在本地 Docker 上。Coding agent 读取 live logs，随时看到运行状态。

测试 → 审查循环大约 5 秒。Logs 是解锁一切的实时反馈机制。

六、延伸思考

Ashpreet Bedi 说了一句值得记住的话：

Agent platforms are the first category of software where the actions, data, and the iteration tool all sit close enough that a coding agent can test end-to-end, make code changes, and test again until the agent improves.

Meaning: the platform that hosts the loop is the first thing the loop improves.

这和 Garry Tan 的”复杂度棘轮”是同一个思路的系统性实现。棘轮只能向上走，不能向下走——因为平台本身在持续改进，而改进后的平台又能支撑更高效的改进循环。

这不是 agent 帮助人类写代码，这是 agent 在帮助人类构建一个能更高效构建 agent 的平台。第一批吃自己狗粮的 AI-native 基础设施。