AutoAgent：面向自适应智能体的认知演化与弹性记忆编排

针对自主智能体难以兼顾长期经验学习与实时决策的问题，本文提出 AutoAgent，一个基于演化认知、即时决策和弹性记忆编排的自我进化多智能体框架。该框架通过结构化提示维持认知，结合实时上下文选择动作，并利用弹性记忆管理器压缩冗余轨迹、构建情景抽象以降低令牌开销。通过闭环认知演化过程，智能体能根据结果持续更新认知并扩展技能，无需外部重训练，显著提升了动态环境下的任务成功率与协作鲁棒性。