多模态智能体在开放世界中的交互取得了显著进展，但其自我进化能力仍受限。监督微调只能实现模仿，无法主动组织经验；基于结果的强化学习虽能促进探索，却未充分利用中间轨迹信息。为此我们提出 EvolvingBrain，将自适应技能系统作为智能体的大脑，包含两大核心模块。\ \ 分层技能自进化：从模型特定的轨迹中抽取过程模式和问题模式，生成可复用的技能，并通过多轮与环境交互不断演化，最终形成由领域技能、计划技能以及动作/陷阱技能组成的分层技能架构，为智能体提供多粒度的知识库和全新进化路径。\ \ 状态感知自适应执行：将长时序交互压缩为结构化抽象记忆，并据此驱动状态感知技能融合策略，使智能体能够依据当前状态灵活调用相应技能。\ \ 在 VAB‑Minecraft 与 DiscoveryWorld 两大基准上进行实验，EvolvingBrain 显著提升了任务成功率，并展现出良好的跨场景泛化能力。代码已随补充材料提供，摄像稿发布时将公开。\ \ 点评：EvolvingBrain 通过系统化提取与组织经验，实现了从模仿到主动进化的跨越，为开放世界智能体的长期学习提供了可行路径。