TimeEvo 是一种针对时间序列问答代理的自演化框架。传统做法在运行前预置工具库，导致两类失败：人‑代理‑工具不匹配——即使是 21 种专家筛选的工具，在部分任务上反而降低异常检测准确率；静默破坏——一次通用的自我修正会改变 147 条答案，其中 56 条出错，而整体得分几乎不变。这源于工具的有效性在运行时才可判断，却只能在事前用单一平均值评估。TimeEvo 将诊断出的失败聚类为能力缺口，为每个缺口设计测量任务，合成仅包含证据的工具，并通过配对准入门禁决定是否加入库。实验在十个时间序列 QA 任务和三种模型骨干上进行，结果表明，从空库出发，TimeEvo 在所有任务和骨干上均提升准确率；在弱模型上构建的库迁移到强模型仍保持收益。代码已开源。
点评：该方法通过动态评估与证据驱动的工具合成，成功弥补了预置工具库的固有局限，为时间序列分析提供了可扩展的自适应方案。