智能体自主进化接口突破：Evolving Agent Interfaces 框架让 CUA 自行构建 API，任务成功率大幅提升

核心背景与行业痛点

当前计算机使用智能体（Computer-Use Agents, CUAs，如 Anthropic Computer Use、UI-TARS 等）的能力瓶颈，很大程度上源于“人类界面的束缚”。人类的图形用户界面（GUI）是专为人类的眼睛与手指设计的——信息被分散在各种下拉菜单、滚动条与弹出框中。让一个大模型智能体像人类一样通过截屏去寻找坐标、逐个单元格点击输入表格数据，不仅产生长达数十步甚至上百步的冗长操作轨迹，极易因为微小的渲染抖动或窗口遮挡导致整套任务崩溃，更带来了极其沉重的 Token 消耗与推理延迟。实际上，智能体拥有强大的编写代码与调用系统 API 的能力，但目前的大多数系统却强制智能体在固定的简陋工具集内打转。研究团队在 arXiv:2610.28601 中提出了革命性的 Evolving Agent Interfaces。

架构亮点与底层机制

1. 元智能体自主接口演化回路（Meta-Agent Synthesis Loop）：

• 框架引入了专门的 Agent S4 元智能体。系统为元智能体配备了一个与评测任务完全同构的临时沙盒虚拟机（Scratch VM）；
• 元智能体能够主动探测目标软件的内部结构，自主编写针对该软件的专用 Python SDK、CLI 脚本与数据清洗接口，并当场进行单元测试验证；

1. 动态代码仓库与经验沉淀（Repository Evolution）：

• 经过沙盒验证行之有效的专属接口，会被自动归档至智能体接口仓库中；
• 当下游执行智能体面对复杂任务时，可以直接调用演化出的高效 API 一步到位完成批量操作，无需在图形界面上反复盲目点击；

1. 基于二进制成功率（Binary Success）的演化筛选准则：

• 摒弃了容易受偶然性干扰的软得分，直接以真实环境下端到端任务的绝对解决成功率作为接口迭代的适应度函数（Fitness Function）。

权威 Benchmark 与实测跑分对比

论文在公认难度最高的两大操作系统级智能体基准 OSWorld V2 与 ScienceBoard 上进行了严密评估（Table 2, Table 3）：

• 全基准任务解决率大幅跃升：
• 在全量测试集上，配备了演化接口仓库的 27B 开源模型，任务成功率从种子基线的 55.03% 显著提升至 58.58%；
• 成功多解决了 6 项过去被认为极其棘手的复杂多应用跨软件难题（从 93 项增至 99 项）；
• 开源模型对标商业旗舰：
• 借助自我进化的专属接口，27B 开源模型在二进制解决率上取得了开源阵营的最高分，而推理成本仅为前沿闭源商业模型（如 GPT-5.5 / Claude 3.7）的数十分之一；
• 交互步数与鲁棒性优化：
• 操作步数大幅压缩超过 40%，有效阻断了因长程环境随机误差导致的错误累积传播。

开发者实战落地与开箱指南

• 技术论文与测试规范：详查 arXiv:2610.28601；
• 桌面自动化与 RPA 研发启示：正在开发桌面自动化助手、数字员工或数据迁移系统的工程团队，应当摆脱“纯视觉找图点击”的单一落后思路。引入 Evolving Agent Interfaces 机制，让智能体在初次接触新软件时先在后台生成并自测一套专用 Python/Shell 桥接库，再用编程方式高精度操控系统，是实现工业级高可用 GUI Agent 的未来必然趋势。