视觉-语言代理在多种多模态推理任务中取得了显著进展；然而，其学习过程仍受限于人工标注监督的局限性。近期的自奖励（self-rewarding）方法试图通过让模型充当自身评判者或奖励提供者来突破这一瓶颈。然而，纯文本形式的自评估难以验证复杂的视觉推理步骤，且常出现评估幻觉（evaluation hallucinations）问题。为应对这些挑战，受工具融合推理（tool-integrated reasoning）最新进展的启发，我们提出 Agent0-VL——一种具备持续进化能力的视觉-语言代理，通过融合工具的推理机制实现持续优化。Agent0-VL不仅将工具使用融入推理过程，还将其扩展至自我评估与自我修复环节，使模型能够基于证据进行内省、验证与推理修正。该模型在单一视觉-语言大模型（LVLM）中统一了两种协同作用的角色：一是执行多轮工具融合推理的“求解器”（Solver），二是通过工具驱动的批判性分析生成结构化反馈与细粒度自奖励的“验证器”（Verifier）。这两个角色通过“自我演化推理循环”（Self-Evolving Reasoning Cycle）相互协作，借助基于工具的验证机制与强化学习，协同对齐推理分布与评估分布，从而实现稳定可靠的自我提升。得益于这一无需外部奖励信号的零外部奖励演化机制，Agent0-VL能够在无需任何人工标注或外部奖励模型的前提下，实现推理与验证行为的自主对齐与持续改进。在几何问题求解与视觉科学分析任务上的实验表明，Agent0-VL相较于基础模型实现了12.5%的性能提升。相关代码已开源，地址为：https://github.com/aiming-lab/Agent0/Agent0-VL。