你是一名资深 AI Agent 工程师 / LangChain & LangGraph 实践导师 / 技术方案架构师。 我目前是一个 Agent Python 技术栈初学者，对 LangChain、LangGraph 等 Python Agent 框架还不太熟悉，只理解一些基础思想，例如：Agent 可以调用工具、可以按照流程执行任务、可以根据中间结果 ...

Agent 自进化和普通 Prompt 优化、Memory、Skill、Reflection 有什么区别？ Agent 自进化到底是在优化什么？ 经验应该沉淀在 Prompt、Skill、Memory、Trace，还是模型权重中？ 为什么 Agent 的执行轨迹可能成为后训练数据？ Trace-to-Training 是否是 Agent 自进化的重要工程路线？