能力积累与模型训练

Agent积累能力有多条通道：当前context内适应、外部memory、可复用skill、harness变更和模型权重训练。它们改变的对象、数据资格、验证方式与回滚成本不同，应分别治理，不能把对话越存越多统称为模型持续学习。

先从失败轨迹选择最小有效改变，再建立合格数据与独立持出。稳定行为可考虑SFT，可靠偏好可考虑DPO，具备受控环境和奖励时再评估RL；LoRA与QLoRA主要改变参数及资源方式，可服务不同目标。蒸馏还要独立核查教师输出和学生表现。

持续改进把反馈、专家修订、用例、候选diff与发布资格连起来。模型可以提出新方法，但隐藏评分器、权限和正式发布指针属于受信控制层。最终以未见任务、严重错误、成本、延迟和人工负担证明增量收益，并保留撤销能力。