The End of Static Software: Why We Build Self-Evolving Agents

静态软件的终结：为什么我们构建自进化智能体

By Qi Weizhen, CTO of Yunjue Technology

在计算机科学的历史长河中，我们一直试图用"确定性"来对抗世界的"不确定性"。

从最早的 if-else 逻辑，到后来的专家系统，再到今天的 SaaS 软件，软件开发的范式始终未变：人类产品经理观察世界 -> 定义规则 -> 工程师编写代码 -> 交付给用户。这是一个漫长、昂贵且滞后的周期。

即便是大语言模型（LLM）的出现，也未能彻底打破这个怪圈。现有的 Agent 系统（如 Manus 或各类 Copilot），本质上依然是**"新时代的专家系统"**——它们依赖于人类预先写好的 Prompt Chain 和固定的 Tools。一旦用户的需求溢出了这个预设的边界，系统就会崩塌。

我们认为，这种**"静态智能"**的时代即将结束。

在探索 ToC（面向消费者）的 AI 服务时，整个行业撞上了一堵墙，我们称之为**"不可能三角"**：

开放性 (Openness): 用户希望 AI 能解决任何问题，而不局限于"订闹钟"或"查天气"。

可控性 (Controllability): AI 的行为必须安全、精准，不能产生幻觉或危险操作。

经济性 (Cost): 服务的成本必须足够低，才能普及给数十亿人。

通用大模型（General LLMs）拥有开放性，但不可控且昂贵；限定领域的 Agent 拥有可控性和经济性，但失去了开放性。

云玦科技的成立，就是为了解开这道数学题。

如果软件不再是由人编写的死代码，而是由智能体在运行那一刻，根据你的需求实时生成的呢？

这就是云玦的核心技术——自进化 (Self-Evolution)。

当我们的 Agent 面对一个从未见过的任务（例如："分析这篇最新的生物学论文并抓取相关数据"）时，它不会因为"没有内置工具"而报错。相反，它会像一个人类工程师一样：

思考 (Reasoning): 拆解任务。

创造 (Genesis): 现场编写一段 Python 代码作为工具。

验证 (Reflection): 运行代码，如果报错，自我修正。

沉淀 (Convergence): 将成功的工具存入"基因库"，下次直接使用。

通过这种方式，我们实现了**"开放性"（因为工具是现场造的，理论上无边界）与"可控性"（因为最终执行的是收敛的代码，而非概率性的语言）的统一。同时，随着工具库的丰富，推理成本呈指数级下降，解决了"经济性"**问题。

我们正在见证一种全新的软件开发范式：Agentic Software Engineering (ASE)。

SE 1.0: 人写代码。

SE 2.0: 训练神经网络（黑盒）。

SE 3.0: 智能体自我构建逻辑。

在云玦的架构中，每一次用户的调用，都是一次微型的软件迭代。我们的系统每天进行着数以万计的"自我AB测试"和"版本更新"。这不再是静态的软件，这是活着的数字有机体。

进化需要种群的多样性。因此，我们做了一个在大模型创业公司中少见的决定：全开源。

我们开源了 Yunjue 框架的核心代码、所有 Prompt、以及我们在 HLE (Human's Last Exam) 上取得 SOTA 成绩的完整执行轨迹 (Trace)。

我们特别兴奋地看到，当我们的框架与 DeepSeek 等优秀的开源模型结合时，展现出了惊人的化学反应。这证明了 AGI 不应是被少数巨头垄断的特权，而应是每一位开发者、每一个实验室都能触手可及的基础设施。

我们是云玦。我们不预测未来，我们演化未来。

如果你也相信智能不应被冻结在过去，欢迎加入我们的进化之旅。