我要的是根据agent自身的trace/trajectory改进的，不是你说的这些

对，我上一条把“自主执行”当成了“从自身执行经验中学习”，筛选标准偏了。 你要的是：Agent 读取自己实际运行的 trace / trajectory，包括工具调用、返回结果、失败与重试，找出反复出现的问题，修改自身的 Skill、提示词或执行策略，再通过后续评测验证是否真的改善。夜间运行只是调度方式，不是核心。 比如某个 Agent 多次改代码失败，轨迹显示它总在没检查依赖版本时套用旧 API。你要的不是让它继续重试，而是从这些历史失败中更新工作流程，并验证更新后类似任务的成功率是否提高。 刚重新核对了原仓库：上一条里的 Hermes Self-Evolution 其实符合这个方向，不该跟定时执行方案混在一起讲。README 明确写了： 可以读取 Claude Code、Copilot、Hermes 的真实会话历史作为评测数据来源；GEPA 读取执行轨迹分析失败原因，生成针对性的 Skill 改写，再评测、筛选候选版本，最终提交 PR。 但目前实现的只有 Skill 优化，“持续自改进流水线”仍标为 Planned。因此它是基于 trajectory 的优化组件，不是已经完整接通“日常执行→自动收集失败→自动改进→持续验证”的常驻系统。 https://github.com/NousResearch/hermes-agent-self-evolution Compound Product、Cursor Automations、Ralph 都不应该作为你这个需求的主要推荐；autoresearch 也只是机制参考，不是从通用 Agent 自身轨迹学习的直接答案。