同时进化系统提示词与模型权重

E-SPL每轮并行采样多种系统提示词，用轨迹共同更新上下文策略和权重。

推荐理由：它把提示词搜索嵌入强化学习循环，使经验上下文与参数同步进化，而非彼此割裂；这可能成为智能体自改进中比单独反思或微调更完整的闭环。