机器之心发布 当 Agent 遇到工具调用错误时，错误日志里往往已经包含了解决方案 —— 正确的参数格式、有效的 API 用法、甚至是直接可用的替代方案。然而，静态 的 Prompt 无法让 Agent 从这些反馈中 "学到教训"，导致它们陷入 "错误循环"：承认失败，却重复同样的动作。 华为诺亚方舟实验室与香港中文大学联合发布的 SCOPE 框架，旨在解决这一问题。 SCOPE 的核心思想是：既然 Agent 会被反复调用，那么它的 Prompt 就可以在执行过程中不断进化。通过从执行轨迹中自动提炼指导规则，SCOPE 让 Agent 能够 "从错误中学习"，并将经验固化到 Prompt 中，实现自我进化。 Agent 的两大失败模式 研究团队分析了 GAIA 和 DeepSearch 基准上的 Agent 执行日志，发现了两类典型的失败模式： 论文：《 SCOPE: Prompt Evolution for Enhancing Agent Effectiveness 》 论文地址：https://arxiv.org/abs/2512.15374 开源地址：https://github.com/Jarvis ...