LLM 智能体的能力不仅取决于模型权重，还取决于其智能体框架：提示词、工具、技能和控制流。自我改进循环已经在编辑框架，但单一路径搜索具有路径依赖性，且局部胜利常常使其他任务回退。我们提出了 DarwinX，它将自我进化视为在模型冻结的情况下对框架种群进行选择：一种“保留并扩展”协议只接受在不回退的情况下扩大覆盖范围的变体；存档机制保留备选谱系以供重组；来自失败、教师和自身的证据共享一个编辑接口。适应度来自每个基准测试自带的验证器：没有金标准答案，也没有人为挑选的胜者。在四个逐步将进化信号与测试分离的基准测试上，单轮进化平均提高约 17 个百分点：Terminal-Bench 2.1 在匹配基座上提升 7.7 个百分点至 83.2%，在更强基座上达到已验证前沿的 84.7%；TerminalWorld 的留出集达到 68.3%，领先所有现成智能体；WebArena-Infinity 的真实任务 pass@1 从 43.5% 升至 93.0%，且审计干净；一个 Terminal-Bench 2.1 框架无需修改即可迁移到 SWE-bench Verified。进化出的是通用的智能体能力，而非针对特定基准的补丁，因此它能经受任务、验证器和基座模型的变化。冻结模型不一定是固定智能体：框架选择将评估算力转化为持久能力。