update readme

Author: DVampire

README.md

@@ -1,23 +1,19 @@
-# Autogenesis
+# Deep Research Agent
 
 English | [中文说明](README_zh.md)
 
-Autogenesis is a self-evolution protocol and runtime for LLM-based agent systems.
+Deep Research Agent is a self-evolution protocol and runtime for LLM-based agent systems.
 
-Recent agent protocols often under-specify cross-entity **lifecycle/context management**, **version tracking**, and **safe evolution update interfaces**, which encourages monolithic compositions and brittle glue code. Autogenesis addresses this by decoupling **what evolves** from **how evolution occurs**:
+Recent agent protocols often under-specify cross-entity **lifecycle/context management**, **version tracking**, and **safe evolution update interfaces**, which encourages monolithic compositions and brittle glue code. Deep Research Agent addresses this by decoupling **what evolves** from **how evolution occurs**:
 
 - **RSPL (Resource Substrate Protocol Layer)**: models *prompts, agents, tools, environments, and memory* as protocol-registered resources with explicit **state**, **lifecycle**, and **versioned** interfaces.
 - **SEPL (Self Evolution Protocol Layer)**: specifies a closed-loop operator interface to **propose**, **assess**, and **commit** improvements with auditable lineage and **rollback**.
 
-Built on Autogenesis, the system includes an **Autogenesis-Agent** style tool-calling agent that can dynamically instantiate/retrieve/refine resources and improve during execution.
-
-## Architecture
-
-![Autogenesis architecture](docs/architecture.png)
+Built on Deep Research Agent, the system includes a **Deep Research Agent** style tool-calling agent that can dynamically instantiate/retrieve/refine resources and improve during execution.
 
 ## Self-evolution at a glance
 
-At a high level, Autogenesis supports an iterative loop:
+At a high level, Deep Research Agent supports an iterative loop:
 
 - **Act**: an agent produces actions/outputs using an LLM and the available tools/environments.
 - **Observe**: capture outcomes, traces, intermediate reasoning, and environment feedback.
@@ -43,7 +39,7 @@ At a high level, Autogenesis supports an iterative loop:
 ## Repository layout
 
 ```
-Autogenesis/
+DeepResearchAgent/
   configs/                 # config composition (agents/tools/envs/memory/models)
   src/
     agent/                 # agents
@@ -59,10 +55,6 @@ Autogenesis/
   workdir/                 # runtime artifacts (logs, traces, results, etc.)
 ```
 
-## Empirical studies
-
-See empirical results and benchmark protocols in `docs/empirical_studies.md`.
-
 ## Optional: run a Tool-Calling Agent
 
 Prerequisites:
@@ -81,4 +73,4 @@ Override model/workdir:
 python examples/run_tool_calling_agent.py \
   --config configs/tool_calling_agent.py \
   --cfg-options model_name=openrouter/gpt-4o workdir=workdir/demo tag=demo
-```
+```

README_zh.md

@@ -1,32 +1,28 @@
-# Autogenesis（中文）
+# Deep Research Agent（中文）
 
 [English](README.md) | 中文
 
-Autogenesis 是一个面向 LLM 智能体系统的**自进化协议**与工程化运行时。
+Deep Research Agent 是一个面向 LLM 智能体系统的**自进化协议**与工程化运行时。
 
-现有不少 agent 协议（例如 A2A、MCP）对跨实体的 **生命周期/上下文管理**、**版本追踪**、以及**演化过程中的安全更新接口**规定不足，容易导致系统走向“大一统”的单体组合与脆弱的胶水代码。Autogenesis 的核心思路是将 **“演化什么（what evolves）”** 与 **“如何演化（how evolution occurs）”** 解耦：
+现有不少 agent 协议（例如 A2A、MCP）对跨实体的 **生命周期/上下文管理**、**版本追踪**、以及**演化过程中的安全更新接口**规定不足，容易导致系统走向"大一统"的单体组合与脆弱的胶水代码。Deep Research Agent 的核心思路是将 **"演化什么（what evolves）"** 与 **"如何演化（how evolution occurs）"** 解耦：
 
 - **RSPL（Resource Substrate Protocol Layer）**：把 *prompt、agent、tool、environment、memory* 建模为协议注册资源，提供显式的**状态**、**生命周期**与**版本化接口**。
 - **SEPL（Self Evolution Protocol Layer）**：定义闭环的 operator 接口，用于提出（propose）、评估（assess）、提交（commit）改进，并具备可审计的 lineage 与**回滚（rollback）**能力。
 
-基于 Autogenesis，系统也提供了 **Autogenesis-Agent** 风格的思考-行动（tool-calling）智能体，能够在执行过程中动态实例化/检索/精炼资源并持续改进。
-
-## 架构图
-
-![Autogenesis 架构](docs/architecture.png)
+基于 Deep Research Agent，系统也提供了 **Deep Research Agent** 风格的思考-行动（tool-calling）智能体，能够在执行过程中动态实例化/检索/精炼资源并持续改进。
 
 ## 自进化闭环概览
 
-从机制上看，Autogenesis 支持反复迭代的闭环：
+从机制上看，Deep Research Agent 支持反复迭代的闭环：
 
 - **行动（Act）**：智能体基于 LLM + 可用工具/环境产生行动与输出。
 - **观测（Observe）**：记录结果、轨迹、关键中间信息，以及来自环境的反馈信号。
-- **优化（Optimize）**：用优化器把反馈转成“可复用的改进”（提示词/解法/变量等的更新），例如 Reflection、GRPO、Reinforce++。
+- **优化（Optimize）**：用优化器把反馈转成"可复用的改进"（提示词/解法/变量等的更新），例如 Reflection、GRPO、Reinforce++。
 - **记忆（Remember）**：把会话事件、总结与洞察写入记忆系统，供后续步骤/会话复用。
 
 ## 核心模块
 
-- **Agents（`src/agent/`）**：决定“下一步做什么”的运行逻辑（规划、工具调用、领域 agent 等）。
+- **Agents（`src/agent/`）**：决定"下一步做什么"的运行逻辑（规划、工具调用、领域 agent 等）。
 - **Tools（`src/tool/`）**：暴露给智能体调用的能力（工作流工具 + 默认工具）。
 - **Environments（`src/environment/`）**：可交互的有状态接口（文件系统、回测环境、浏览器/移动端环境等）。
 - **Memory（`src/memory/`）**：会话/事件记忆系统，用于总结、洞察与长期状态。
@@ -43,7 +39,7 @@ Autogenesis 是一个面向 LLM 智能体系统的**自进化协议**与工程
 ## 目录结构
 
 ```
-Autogenesis/
+DeepResearchAgent/
   configs/                 # 组件组合配置（agent/tool/env/memory/model）
   src/
     agent/                 # agents
@@ -59,10 +55,6 @@ Autogenesis/
   workdir/                 # 运行产物（日志/轨迹/结果等）
 ```
 
-## 实验结果
-
-实验设置与结果汇总见 `docs/empirical_studies.md`（英文）。
-
 ## （可选）运行 Tool-Calling Agent
 
 前置条件：
@@ -82,4 +74,3 @@ python examples/run_tool_calling_agent.py \
   --config configs/tool_calling_agent.py \
   --cfg-options model_name=openrouter/gpt-4o workdir=workdir/demo tag=demo
 ```
-