用途：这是迭代循环中的自主加固环节，针对已有智能体，依据其声明的目的（INSTRUCTIONS）自动生成测试探针、运行、评判并修改代码，使其行为与指令一致。用户驱动的改动（加工具、加能力、改提示、修 bug）属于 extend-agent 技能。
主要能力：从 agents/<slug>.py 的 docstring 与 INSTRUCTIONS 提取目的、工具与显式规则；生成 8-12 个探针，覆盖黄金路径、边界情况、工具选择与对抗性输入；通过 cURL 请求 /agents/<slug>/runs 运行探针并读取工具调用日志；按 PASS/FAIL 评判并按根因分组（缺规则、工具选择错误、幻觉、注入/越界、格式语气、环境故障）；对 agents/<slug>.py 做外科式修改，每次只动一个杠杆（指令、工具、上下文提供者、模型、num_history_runs）；重启容器后仅重跑失败探针并抽查回归；最多迭代 5 次后汇报。
使用方式：作为 /slash-command 由编码智能体（Claude Code、Codex 等）在开发该仓库时调用，例如 /improve-agent，或描述任务自动触发。前置条件：curl -sSf http://localhost:8000/health 返回 200；容器绑定当前检出目录；向用户询问目标智能体 slug；建议创建特性分支。运行探针示例：curl -sS -X POST http://localhost:8000/agents/<slug>/runs -F "message=<probe text>" -F "user_id=probe-<n>" -F "stream=false"。重启：docker compose restart agentos-api。
适用场景：在本地开发环境（RUNTIME_ENV=dev，平台位于 http://localhost:8000）对已有智能体做单次加固循环，通常一次 15-30 分钟。
限制：单次循环，行为仍漂移需重跑；同一探针连续 3 次在同一杠杆上失败或 5 次迭代后应上报而非继续；环境故障（限流、缺 API key、MCP 不可达）需向用户暴露；评判以智能体自身 INSTRUCTIONS 为准，不按个人预期；日志为容器全局，需按 user_id 过滤。跨已提交评测套件的回归检查见 eval-and-improve。