導讀：有一個 AI 專門負責改進另一個 AI 的工作方式——而且做得比人類工程師更好。AutoAgent 開源了，這件事值得你知道。
讓 AI 調校 AI
AutoAgent 的新意很直接：它不是把一個 agent 調得更聰明，而是另外拉出一個 agent，專門盯著它、改它、再測它。
如果你做過 prompt 調校，你一定知道那有多磨人。今天改一行提示詞，明天換一個工具，後天又發現驗證步驟不夠。換一個任務，幾乎重來。AutoAgent 把這件苦工拆成兩個角色：task agent 負責執行，meta-agent 負責觀察、診斷、重寫 prompt、更新工具配置，然後逼它再跑一次。
這套設計的關鍵，不是「AI 變更強」而已，而是優化流程被寫成可重跑的迴圈。你可以把它想成一個教練帶一個選手。選手先上場，教練看錄影，抓失誤，再調整訓練內容。下一輪再上。設計者把這種能力叫做「模型同理心」（model empathy）：AI 比人類更容易抓到另一個 AI 會在哪一步卡住。
圖說：Meta-agent 觀察 task agent 的執行結果，調整 prompt、工具與驗證節點，再把新配置丟回下一輪執行。圖中標籤採英文，供中英文版共用。
成績單
成績是真的漂亮，而且不是靠工程師手把手微調堆出來的。AutoAgent 在兩項公開基準測試拿下第一：SpreadsheetBench 96.5%，TerminalBench 55.1%。後者還被作者描述成 GPT-5 等級的表現，全程沒有人工工程師下場修 prompt。
更有意思的是，它摸索出的策略不是先寫死的。meta-agent 自己找到幾個有效套路：強制驗證迴圈、漸進式資訊呈現、自動拆分子任務。這很像一個熟練的研究助理。先看全局，再拆步驟，最後每一步都回頭核對。你若帶過新人，會知道這種工作節奏有多值錢。
代價與上限
真正要小心的，是會自己優化的系統也可能自己學壞。第一個風險是指標過擬合。系統有時學到的是「怎麼通過測試」，不是「怎麼真的把事做好」。這像學生背題庫，不像真的懂了。
第二個風險比較現實：meta-agent 的能力就是天花板。如果負責優化的那個 agent 自己看不懂深層問題，它給你的改法也不會神奇到哪裡。爛教練，不會帶出神隊伍。
第三個限制是時間。TerminalBench 這輪優化跑了超過 24 小時才收斂。對研究型流程來說，這還能忍。對要即時上線的客服、交易、維運系統，你就得算帳了。不過，這也正是它最值得人類介入的地方：你不是退出迴圈，而是決定哪裡值得花時間優化，哪裡不值得。
為什麼這件事值得你在意
對你真正有用的點，不是排行榜，而是工作分工變了。以前最稀缺的人，是那種能把 prompt 調到發亮的工程師。現在更稀缺的人，反而是能說清楚「什麼叫成功」的人。評分標準怎麼訂？驗證節點放哪裡？哪些捷徑不能接受？這些問題，AI 還不能替你決定。
如果你在公司裡推動 agent，這個轉變會很明顯。你不再只是叫 AI 幫你做事，而是要幫整個系統定規矩。像帶一支球隊一樣，戰術可以反覆微調，但先得決定你要贏的是哪一場球。這也是 AutoAgent 最有啟發性的地方：當 AI 能優化 AI，人類最重要的能力，就變成定義什麼叫「好」。
References
- AutoAgent: first open source library for self-optimizing agents. 2026.
- Shinn, N. et al. (2023). Reflexion: Language Agents with Verbal Reinforcement Learning. NeurIPS 2023.
- Madaan, A. et al. (2023). Self-Refine: Iterative Refinement with Self-Feedback. NeurIPS 2023.
常見問題
Meta-Agent 自己優化會不會跑偏，變得不可控？
AutoAgent 讓 Meta-Agent 在定義好的搜尋空間內優化，非無限制自由改寫。但邊界本身難以設計周全，人工審核節點在現階段仍是必要的安全機制。
AutoAgent 優化出來的結果，人類能理解嗎？
不一定。Meta-Agent 可能找到人類不會直覺想到的有效配置，但這種「黑箱優化」帶來可解釋性問題。在高風險場景中，解釋 Agent 為何如此配置仍是開放研究問題。