RuleEvolve：你的 CLAUDE.md 是手调的，一个进化循环能调得更好
现在稍微认真一点的 coding agent 配置都有一份规则文件，CLAUDE.md、AGENTS.md 或者 .cursorrules。几乎全是手写的，出了问题才改一下，从来没量过效果。杜克大学 Neil Zhenqiang Gong 组（Zhengyuan Jiang、Reachal Wang 等人）的 RuleEvolve，把这份文件当成一个可以优化的对象。
做法是进化循环。维护一个候选规则集的池子。每一轮，LLM 变异器基于现有候选写出变体，评审模块打分，表现最好的留在池子里。agent 不动，模型不动，进化的只有规则文本。
作者在两个 coding agent 框架、四个底座模型、三个 benchmark 上做了测试。RuleEvolve 在代码功能正确性、代码长度、以及生成成本（token 用量）上，胜过手工规则，也胜过已有的提示词优化方法。摘要里没有给一个单一的头条数字，主张是：在整张实验网格上，你优化哪个维度，它就在哪个维度赢。
有意思的是和同一周的另一个发现放在一起看：开发者手写的 skill 降本效果大约是 agent 自己合成的两倍。这两个结论其实不冲突。人的先验是比白纸更好的起点，而进化循环是比「出事才去改一下」的人更好的编辑。实际可用的配方是：用你自己的 CLAUDE.md 当初始种子，让循环去改，评审用你信得过的。评审是最要紧的那一环，对着一个弱评审调出来的规则文件，学会的是讨好评审。
链接：arxiv.org/abs/2610.00650
← 返回所有文章
做法是进化循环。维护一个候选规则集的池子。每一轮，LLM 变异器基于现有候选写出变体，评审模块打分，表现最好的留在池子里。agent 不动，模型不动，进化的只有规则文本。
作者在两个 coding agent 框架、四个底座模型、三个 benchmark 上做了测试。RuleEvolve 在代码功能正确性、代码长度、以及生成成本（token 用量）上，胜过手工规则，也胜过已有的提示词优化方法。摘要里没有给一个单一的头条数字，主张是：在整张实验网格上，你优化哪个维度，它就在哪个维度赢。
有意思的是和同一周的另一个发现放在一起看：开发者手写的 skill 降本效果大约是 agent 自己合成的两倍。这两个结论其实不冲突。人的先验是比白纸更好的起点，而进化循环是比「出事才去改一下」的人更好的编辑。实际可用的配方是：用你自己的 CLAUDE.md 当初始种子，让循环去改，评审用你信得过的。评审是最要紧的那一环，对着一个弱评审调出来的规则文件，学会的是讨好评审。
链接：arxiv.org/abs/2610.00650
评论