ai-agent-book/chapter9/README.ja.md

第9章 · Agent の自己進化

重みを変えずに成長する。3 つの学習パラダイム、経験からの学習、そして「ツールの利用者」から「ツールの創造者」への道のりを通じて、Agent を「賢い」段階から「熟練した」段階へと進化させる。

← メイン README に戻る · 📖 章の本文を読む

実験の読み方

本文では短い mechanism skeleton で制御フローを説明し、実験ディレクトリには完全な SDK アダプター、ログ、テスト、受け入れ証拠を置きます。すべてのファイルを一行ずつ読む必要はありません。

• Starter: 目的・最小コマンド・受け入れ条件から始め、まず trajectory-verifier;
• Builder: エントリポイント、中心ループ、状態／メッセージ schema、ツール、検証器を追います。
• Maintainer: 最後にテスト、証拠 manifest、失敗処理、rollback 経路、provider adapter を読みます。

初読では認証情報、表示層、provider 互換層を飛ばし、数値を再現するときに戻ってください。

付随プロジェクト

実験	プロジェクト	種類	説明
8-1	trajectory-verifier	✅	実験 8-1：環境の結果・プロセスルール・言語 Rubric を組み合わせ、証拠付きのカスタマーサービス軌跡診断を形成する
8-2	gaia-experience	✅	実験 8-2：成功・部分成功・失敗の軌跡を比較し、軌跡横断の Markdown 経験ドキュメントを生成する
8-3	prompt-auto-optimization	✅	実験 8-3：失敗軌跡から最小の Prompt パッチを生成し、境界セットと保持セットでリリースを制御する
8-4	browser-use-rpa	✅	実験 8-4：ブラウザ軌跡を状態述語付きのワークフローにコンパイルし、リセット再生で検証する
8-5	self-modifying-agent	✅	実験 8-5：繰り返しの障害をトリガーに、リトライ/サーキットブレーカーのコードパッチ、回帰テスト、カナリアリリースとロールバックを行う
8-6	hermes-self-evolution	📖	Hermes に本書全体と自分のソースを渡す。改善を選んで自分を書き換え、Reviewer の拒否を次の学習に変えながら受理まで進む
8-7	self-evolution-eval	✅	実験 8-7：学習・転移・ルール変化・保持の 4 段階で長期的な進化を評価する
8-8	harness-safety-gate	✅	高リスク操作の確認ゲート
8-9	ai-style-skill	✅	執筆フィードバックを検証可能な Skill に変換する。章では曲線引用符 Skill を監査済み合成データと追加学習に接続し、exact-copy の tokenizer/Harness 障害を分離する

上記の実験はすべて、API キー不要のオフライン入口とユニットテストを提供する。実モデルやブラウザが必要な拡張パスは各プロジェクトの README に記載されている。

補足事例

実験	プロジェクト	関係
7-8	prompt-distillation	Prompt 蒸留とパラメータ化学習の章横断プロジェクト。訓練手法は第 7 章に属する
—	self-evolving-tools	Alita 式のツール発見・カプセル化・再利用。「経験をプログラムとして書き出す」ことの補足事例

プロジェクトの種類

アイコン	種類	意味
✅	単独実行	このリポジトリに完全なコードがあり、API キーを設定すれば実行できる
📖	再現ガイド	git clone が必要な外部リポジトリに依存する詳細ドキュメント
🚧	設計ドキュメント	アーキテクチャ/実装計画のみで、実行可能なコードは未完成