Tags: AI Agents, Self-Improvement, OpenClaw, AutoGPT, Dify, LangChain, MetaGPT, AutoGen, CrewAI, Hermes Agent, DSPy, Smolagents, LangGraph, OpenAI Agents SDK

当今AI智能体领域充斥着各种承诺自主性、编排能力、推理能力和"自我改进"的框架，但大多数不过是披着华丽外衣的简单工具调用循环。真正有趣的类别要小得多：那些内置原生自我改进循环的框架，意味着它们能够自我批评、记住有效的方法、优化未来行为或修正输出，而无需你从头手动构建整个机制。

这种区分很重要，因为"能够循环"和"能够从循环中学习"不是一回事。一个在工具调用失败后重试的框架是有用的；一个存储经验教训、重写技能或为下一次运行进化提示词的框架则要有趣得多。

事实证明，当你不再假装世界止于硅谷时，全球排行榜看起来会有所不同。OpenClaw、Dify和MetaGPT在全球开源领域都非常重要，任何忽视这一点的排行榜基本上就是一份假装成气候科学的本地天气预报。

排行榜

以下列表根据2026年4月14日的GitHub公开快照和星标追踪页面的方向性统计，对当今拥有某种原生自我改进、自我纠正或自我进化机制的最受欢迎且具有全球相关性的框架和工具进行排名。

名称	简介	今日GitHub星标	自我改进循环为何重要
OpenClaw	具有"梦境"记忆功能的持久性开源AI助手。	~356k	它在交互后将持久记忆写回，因此未来行为会基于过往经验而非仅当前上下文而改变。
AutoGPT	最初的主流自主智能体项目。	~183k	它普及了内置迭代和自我批评的思考-行动-观察循环，尽管其当前势头落后于历史名声。
Dify	具有大规模全球采用率的开源可视化智能体和Workflow平台。	~138k	ReAct风格循环在Workflow系统中是原生的，因此评估和重试是产品的一部分而非自定义管道。
LangChain	最大的LLM应用生态系统和整体编排层。	~128k	它因其巨大的采用率而重要，但其真正的原生循环引擎实际上是LangGraph，而非基础LangChain。
MetaGPT	具有SOP驱动角色的多智能体"AI软件公司"框架。	~64k	架构师、工程师、QA和调试循环是内置运营模式的一部分，使纠正感觉是结构化的而非即兴的。
AG2 / AutoGen	源自微软AutoGen的多智能体对话框架。	~50k+	反思是通过撰写者-批评者或规划者-执行者-审查者对话实现的原生模式。
CrewAI	具有大量生产环境使用的基于角色的多智能体编排。	~47k	审查者角色和条件流程使"执行、审查、修订"成为一流模式。
Hermes Agent	Nous Research构建的"与你一起成长"的自我改进型智能体。	~44k	它从已完成的工作中编写可重用技能，将其存储在记忆中，并配有一个随时间进化提示词和行为的优化器栈。
DSPy	斯坦福用于LLM优化而非手工提示词设计的框架。	~33k	它是开源领域最强的原生提示词进化引擎，具有GEPA等优化器，可自动变异和评分提示词候选。
Smolagents	Hugging Face的极简代码优先智能体框架。	~26k	CodeAct风格的执行循环使失败具体化，为智能体提供比模糊的自然语言重试更好的自我纠正原材料。
LangGraph	用于持久性长期运行智能体的有状态图运行时。	~25k	重试、分支、检查点和重新规划循环是显式且可审计的，这就是为什么它在生产环境中的重要性超过单纯的星标数。
OpenAI Agents SDK	OpenAI官方的轻量级智能体运行时。	~19k	它原生循环使用工具直至完成，但更多是"运行直到完成"而非"反思和进化"，除非你添加评估者智能体。

标题很简单：OpenClaw凭借原始全球牵引力获胜，Hermes Agent是原生自我改进设计最清晰的例子之一，DSPy是最严肃的优化引擎，而LangGraph仍然是当你想要运营团队实际能够检查的循环时的成熟选择。

并非所有循环都相等

"自我改进型智能体"这个标签下至少隐藏着四种不同的动物。首先，你有重试循环，系统在失败后简单地再次运行。其次，你有反思循环，其中一个智能体或步骤在下一轮之前批评输出。

第三，你有记忆循环，系统存储能够影响未来运行的经验教训。第四，你有优化器循环，提示词、工具指令或行为会根据指标自动变异和评估，因此智能体实际上会随时间改进其设置。

这就是为什么仅凭星标数是不够的。AutoGPT在星标上仍然很庞大，但Hermes Agent加DSPy更接近大多数人说出"自我进化"时所指的东西。

反思循环

第一种模式是经典的审查者循环：用户请求某事，协调者委托给工作者，批评者审查结果，协调者决定是否将其发回修订或交付。这是AG2 / AutoGen背后的设计语言，以及许多结构良好的CrewAI系统。

由于FlowZap序列图需要显式的多泳道时间顺序、必需的句柄和泳道间的请求-响应"乒乓"，当协调者充当枢纽而非假装工作者和批评者能够心灵感应时，循环更加清晰。

user { # 用户
  n1: circle label="开始请求"
  n2: rectangle label="发送任务"
  n4: rectangle label="接收确认"
  n22: rectangle label="接收最终答案"
  n1.handle(right) -> n2.handle(left)
  n2.handle(bottom) -> orchestrator.n3.handle(top) [label="任务"]
  n4.handle(right) -> n22.handle(left)
}

orchestrator { # 协调者
  n3: rectangle label="确认任务"
  n5: rectangle label="分派起草工作"
  n8: rectangle label="接收草稿"
  n9: rectangle label="发送审查"
  n12: rectangle label="接收批评"
  n13: rectangle label="请求修订"
  n16: rectangle label="接收修订草稿"
  n17: rectangle label="请求最终审查"
  n20: rectangle label="接收批准"
  n21: rectangle label="发送最终答案"
  n3.handle(top) -> user.n4.handle(bottom) [label="确认"]
  n3.handle(right) -> n5.handle(left)
  n5.handle(bottom) -> worker.n6.handle(top) [label="起草任务"]
  n8.handle(right) -> n9.handle(left)
  n9.handle(bottom) -> critic.n10.handle(top) [label="审查草稿"]
  n12.handle(right) -> n13.handle(left)
  n13.handle(bottom) -> worker.n14.handle(top) [label="修订"]
  n16.handle(right) -> n17.handle(left)
  n17.handle(bottom) -> critic.n18.handle(top) [label="再次审查"]
  n20.handle(right) -> n21.handle(left)
  n21.handle(top) -> user.n22.handle(bottom) [label="最终"]
}

worker { # 工作者智能体
  n6: rectangle label="生成草稿"
  n7: rectangle label="返回草稿"
  n14: rectangle label="修订草稿"
  n15: rectangle label="返回修订"
  n6.handle(right) -> n7.handle(left)
  n7.handle(top) -> orchestrator.n8.handle(bottom) [label="草稿就绪"]
  n14.handle(right) -> n15.handle(left)
  n15.handle(top) -> orchestrator.n16.handle(bottom) [label="修订就绪"]
}

critic { # 批评者智能体
  n10: rectangle label="审查草稿"
  n11: rectangle label="返回批评"
  n18: rectangle label="批准修订"
  n19: rectangle label="返回批准"
  n10.handle(right) -> n11.handle(left)
  n11.handle(top) -> orchestrator.n12.handle(bottom) [label="批评"]
  n18.handle(right) -> n19.handle(left)
  n19.handle(top) -> orchestrator.n20.handle(bottom) [label="已批准"]
}

这是最友好的自我纠正形式，因为它符合团队已有的工作方式：有人做事，有人挑毛病，然后它以更不尴尬的形式返回。这也是最容易伪造的，因为如果批评者很弱，你构建的不是学习循环——你构建的是一场会议。

记忆循环

第二种模式是事情变得更有趣的地方：智能体不仅仅在当前任务中修订；它存储了改变下一个任务的可重用内容。这就是OpenClaw的"梦境"记忆和Hermes Agent的技能编写设计比普通重试逻辑有趣得多的泳道。

此图为记忆系统提供了自己的泳道，而非将其简化为模糊的隐形数据库blob。这很重要，因为这个类别的全部要点是记忆不是装饰；记忆是控制循环的一部分。

user { # 用户
  n1: circle label="开始任务"
  n2: rectangle label="提交复杂任务"
  n4: rectangle label="接收确认"
  n26: rectangle label="接收改进结果"
  n1.handle(right) -> n2.handle(left)
  n2.handle(bottom) -> planner.n3.handle(top) [label="任务"]
}

planner { # 规划者
  n3: rectangle label="确认任务"
  n5: rectangle label="请求类似经验"
  n8: rectangle label="接收过往经验"
  n9: rectangle label="构建计划"
  n10: rectangle label="分派执行"
  n13: rectangle label="接收执行输出"
  n14: rectangle label="请求评估"
  n17: rectangle label="接收评估"
  n18: diamond label="足够好？"
  n19: rectangle label="存储新经验"
  n22: rectangle label="确认经验已保存"
  n23: rectangle label="发送重试计划"
  n25: rectangle label="发送改进结果"
  n3.handle(top) -> user.n4.handle(bottom) [label="确认"]
  n3.handle(right) -> n5.handle(left)
  n5.handle(bottom) -> memory.n6.handle(top) [label="检索经验"]
  n8.handle(right) -> n9.handle(left)
  n9.handle(right) -> n10.handle(left)
  n10.handle(bottom) -> executor.n11.handle(top) [label="执行计划"]
  n13.handle(right) -> n14.handle(left)
  n14.handle(bottom) -> evaluator.n15.handle(top) [label="评估输出"]
  n17.handle(right) -> n18.handle(left)
  n18.handle(right) -> n19.handle(left) [label="是"]
  n18.handle(bottom) -> n23.handle(top) [label="否"]
  n19.handle(bottom) -> memory.n20.handle(top) [label="保存经验"]
  n22.handle(right) -> n25.handle(left)
  n23.handle(bottom) -> executor.n24.handle(top) [label="使用经验重试"]
  n25.handle(top) -> user.n26.handle(bottom) [label="改进结果"]
}

memory { # 记忆存储
  n6: rectangle label="搜索记忆"
  n7: rectangle label="返回最佳经验"
  n20: rectangle label="持久化新经验"
  n21: rectangle label="确认持久化"
  n6.handle(right) -> n7.handle(left)
  n7.handle(top) -> planner.n8.handle(bottom) [label="经验"]
  n20.handle(right) -> n21.handle(left)
  n21.handle(top) -> planner.n22.handle(bottom) [label="已保存"]
}

executor { # 执行者
  n11: rectangle label="运行首次尝试"
  n12: rectangle label="返回输出"
  n24: rectangle label="运行改进尝试"
  n27: rectangle label="返回改进输出"
  n11.handle(right) -> n12.handle(left)
  n12.handle(top) -> planner.n13.handle(bottom) [label="输出"]
  n24.handle(right) -> n27.handle(left)
  n27.handle(top) -> evaluator.n28.handle(bottom) [label="改进输出"]
}

evaluator { # 评估者
  n15: rectangle label="评判首次输出"
  n16: rectangle label="返回裁决"
  n28: rectangle label="评判改进输出"
  n29: rectangle label="返回最终裁决"
  n15.handle(right) -> n16.handle(left)
  n16.handle(top) -> planner.n17.handle(bottom) [label="裁决"]
  n28.handle(right) -> n29.handle(left)
  n29.handle(top) -> planner.n19.handle(bottom) [label="通过"]
}

这是自我改进开始感觉不像营销而更像机械的地方。OpenClaw在持久记忆中存储学习到的偏好和洞察，而Hermes Agent更进一步，将成功的完成转化为可在类似任务再次出现时加载的可重用技能工件。

用通俗的话说：系统构建了一本战术手册。这比"模型又试了一次"要大得多。

进化循环

第三种模式是最雄心勃勃的：不仅仅是修订答案或存储记忆，系统改进驱动未来性能的指令。这是DSPy成为明星的地方，也是Hermes Agent的自进化层开始看起来不太像Workflow而更像微型训练流水线的地方。

一个好的心智模型不是"智能体与工具对话"而是"优化器在智能体配置上运行实验"。这意味着你需要更多参与者：基准所有者、优化器、候选智能体、评估工具和指标存储。

product { # 产品团队
  n1: circle label:"开始基准测试"
  n2: rectangle label:"提交评估集"
  n3: rectangle label:"接收运行确认"
  n4: rectangle label:"接收升级提示包"
  n1.handle(right) -> n2.handle(left)
  n2.handle(bottom) -> optimizer.n5.handle(top) [label="评估集"]
}

optimizer { # 优化器
  n5: rectangle label:"确认基准测试"
  n6: rectangle label:"创建提示候选"
  n7: rectangle label:"接收运行追踪"
  n8: rectangle label:"请求评分"
  n9: rectangle label:"接收分数"
  n10: diamond label:"分数足够高？"
  n11: rectangle label:"变异提示"
  n12: rectangle label:"记录获胜配置"
  n13: rectangle label:"接收记录确认"
  n14: rectangle label:"发布获胜者"
  n5.handle(top) -> product.n3.handle(bottom) [label="确认"]
  n5.handle(right) -> n6.handle(left)
  n6.handle(bottom) -> candidate.n15.handle(top) [label="提示候选"]
  n7.handle(right) -> n8.handle(left)
  n8.handle(bottom) -> evaluator.n19.handle(top) [label="评分追踪"]
  n9.handle(right) -> n10.handle(left)
  n10.handle(bottom) -> n11.handle(top) [label="否"]
  n11.handle(bottom) -> candidate.n17.handle(top) [label="新候选"]
  n10.handle(right) -> n12.handle(left) [label="是"]
  n12.handle(bottom) -> metrics.n23.handle(top) [label="记录获胜者"]
  n13.handle(right) -> n14.handle(left)
  n14.handle(top) -> product.n4.handle(bottom) [label="获胜包"]
}

candidate { # 候选智能体
  n15: rectangle label:"运行基准任务"
  n16: rectangle label:"返回执行追踪"
  n17: rectangle label:"运行变异候选"
  n18: rectangle label:"返回新追踪"
  n15.handle(right) -> n16.handle(left)
  n16.handle(top) -> optimizer.n7.handle(bottom) [label="追踪"]
  n17.handle(right) -> n18.handle(left)
  n18.handle(top) -> evaluator.n21.handle(bottom) [label="新追踪"]
}

evaluator { # 评估工具
  n19: rectangle label:"评分首个候选"
  n20: rectangle label:"返回分数"
  n21: rectangle label:"评分变异候选"
  n22: rectangle label:"返回改进分数"
  n19.handle(right) -> n20.handle(left)
  n20.handle(top) -> optimizer.n9.handle(bottom) [label="分数"]
  n21.handle(right) -> n22.handle(left)
  n22.handle(top) -> optimizer.n12.handle(bottom) [label="最佳分数"]
}

metrics { # 指标存储
  n23: rectangle label:"持久化获胜配置"
  n24: rectangle label:"确认持久化"
  n23.handle(right) -> n24.handle(left)
  n24.handle(top) -> optimizer.n13.handle(bottom) [label="已记录"]
}

这是整个类别中最"自我进化"的模式，因为系统不仅仅在改变答案；它在改变产生未来答案的配方。DSPy的优化器如GEPA和MIPROv2正是关于这种结构化的提示词和程序进化。

这也是粗心的评估会彻底毁掉你一天的地方。糟糕的优化器循环不仅失败一次；它还可能自信地在规模上教会系统错误的习惯。

那么谁真正值得炒作？

如果你关心原始全球流行度，OpenClaw目前是板上最响亮的故事。如果你关心具有原生循环的可视化产品化Workflow，Dify因其将迭代智能体行为带给庞大的全球受众而非将其隐藏在仅面向框架的工效学后面而赢得其位置。

如果你关心企业可靠性和显式循环控制，LangGraph仍然是最可信的选择之一，因为它使状态、重试和重新进入可见而非神奇。如果你关心审查者风格的多智能体纠正，AG2 / AutoGen仍然拥有最清晰的概念模型之一。

但如果问题是"哪些框架感觉最接近真正随时间变得更好的智能体？"那么最有趣的栈是Hermes Agent + DSPy。Hermes为你提供技能积累和持续改进；DSPy为你提供系统化优化而非手工提示词摸索。

最简单的说法是：一些智能体框架重试，一些反思，一些记忆，少数真正进化。未来属于那些能够在不将你的代码库变成考古挖掘现场的情况下做到这四点的框架。

深入解析当今各类AI智能体框架的自我改进循环机制

排行榜

并非所有循环都相等

反思循环

记忆循环

进化循环

那么谁真正值得炒作？

灵感来源