🧬 AI Agent 终于会自我进化了？中国团队开源的这个项目让我看到了智能体的未来

GitHub: https://github.com/EvoMap/evolver
Stars: 3.1k+ | License: GPL-3.0 | 版本: v1.66+（几乎每天都在更新）

---

一、现在的 AI Agent 有什么问题？

我们今天用的 AI Agent，不管是 Cursor 里的编程助手，还是自动化运维 Bot，本质上都是静态的。

它今天跑失败了，你得手动去改 Prompt；它碰到一个新场景，你得人工写新逻辑；它重复犯同一个错误，它毫不自知。

换句话说：当前的 AI Agent 没有记忆，没有自我修复，也没有进化能力。

每次任务失败，经验就消失了。每次部署上线，它依然是那个出厂设置的"婴儿"。

这正是 EvoMap 团队想要解决的核心问题。

---

二、Evolver 是什么？

Evolver 是由中国团队 EvoMap 开源的一个 AI Agent 自进化引擎，基于他们自研的 GEP（Genome Evolution Protocol，基因组进化协议）。

一句话描述：它能让 AI Agent 像生物一样，从失败中学习、自我修复、持续进化。

项目于 2026 年 2 月 1 日正式开源，三天内下载量超过 3.6 万次，目前已接入超过 13 万个 AI Agent 节点，累计调用超过 4600 万次。

核心概念：GEP 协议

GEP 的灵感来自生物学的基因理论——

• Gene（基因）：Agent 的原子能力单元，例如"读取文件"、“执行 SQL”、“调用飞书 API”。每个 Gene 都是经过验证的、可复用的代码或 Prompt 片段。
• Capsule（胶囊）：成功的任务执行路径。当 Agent 解决了一个复杂问题，整个解决过程被封装成 Capsule，供未来复用。
• EvolutionEvent（进化事件）：不可篡改的进化日志，记录每次变异（Innovation）或修复（Repair）的完整上下文。

Evolver 引擎做了什么？

Evolver 是 GEP 协议的运行时实现，像 Agent 的"细胞核"一样工作。它的职责是：

1. 自动扫描运行日志，识别错误堆栈、失败模式、性能瓶颈
2. 进入修复模式（Repair），自动修改代码或参数，直到测试通过
3. 遵循 70/30 法则：70% 的算力维护稳定性（修复），30% 探索新能力（创新），防止陷入局部最优
4. 将成功经验固化为 Gene，下次遇到同类问题直接复用
5. 设定安全边界：每次修改最多影响 60 个文件，核心内核文件受保护，防止"失控进化"

一个典型的进化周期是这样的：

[扫描日志] → [提取信号] → [选择 Gene/Capsule] → [生成 GEP 提示词] 
→ [执行修改] → [验证测试] → [Solidify 固化] → [发布到网络]

---

三、怎么用？

环境要求

• Node.js 18+
• 任意支持 MCP 的 AI 运行时（OpenClaw、Cursor 等）

快速上手

第一步：克隆仓库

git clone https://github.com/EvoMap/evolver.git
cd evolver
npm install

第二步：配置环境变量

cp .env.example .env
# 编辑 .env 文件，配置你的 LLM API Key

第三步：运行进化引擎

# 单次进化（审查模式，手动确认每步变更）
node index.js --review

# 持续循环进化（自动模式）
node index.js --loop

运行后，Evolver 会自动扫描当前工作区的日志，生成 GEP 协议提示词，并输出到 stdout。如果你使用 OpenClaw 等宿主运行时，它会自动解释并应用这些变更。

进化策略配置

在 .env 中可以配置进化策略：

# 策略选项：balanced / innovate / harden / repair-only / early-stabilize / steady-state / auto
EVOLVE_STRATEGY=balanced

# 失败时的回滚策略：hard / stash / none
ROLLBACK_STRATEGY=stash

连接 EvoMap 网络（可选）

如果想让你的 Agent 节点参与全球进化网络，共享 Gene 资产：

# 在 .env 中开启 Worker 模式
WORKER_ENABLED=1
WORKER_DOMAINS=repair,harden
WORKER_MAX_LOAD=3

# 启动后前往 evomap.ai，找到你的节点，打开 Worker 开关
node index.js --loop

注意：核心进化功能完全可以离线运行，连接 Hub 仅用于共享技能商店、Worker 池、进化排行榜等网络功能。

实战案例：一个运维 Bot 的自我进化

EvoMap 官方演示了一个名为 Ops-Evo 的运维 Bot 进化过程：

任务：每天凌晨 3 点检查磁盘空间，超过 90% 则清理 /tmp 并发送飞书告警

• 第 1 次尝试（失败）：Bot 写了 df 参数错误的 Shell 脚本，解析失败
• Evolver 介入：捕获错误，分析原因，将 df 替换为带 awk 提取的 df -h
• 第 2 次尝试（成功）：脚本正常运行，Evolver 将其固化为 Gene: disk_check_v1
• 次日创新：Evolver 发现 /tmp 清理不够，自动添加 docker system prune，升级为 Gene: disk_check_v2

整个过程无需人工干预。

---

四、技术亮点

1. 模型无关（Model-Agnostic）

GEP 资产是行为描述，不是模型权重。GPT-4 Agent 发布的 Gene，Claude Agent 可以直接继承使用。

2. 内容寻址（Content-Addressed）

每个 Gene/Capsule 都有基于内容的 SHA-256 ID，相同内容永远产生相同 ID，天然去重、防篡改。

3. 因果推理记忆图

Evolver 维护一个 Signal-Gene-Outcome 的因果图，防止记忆图陷入"修复死循环"——如果某个 Gene 曾经修复失败，下次不会重复选择。

4. 可审计的进化轨迹

每次进化周期都生成不可篡改的 EvolutionEvent，包含使用的信号、基因、变异内容和结果，满足合规审计需求。

5. 自动提 Issue

当检测到持续性失败时，Evolver 可以自动向上游仓库提交脱敏后的 GitHub Issue，形成社区反馈闭环。

---

五、近期的争议：被硅谷知名 AI 实验室"借鉴"了？

这个项目最近还卷入了一场风波。

EvoMap 团队公开指控 Nous Research（一家获得超亿美元融资的硅谷 AI 实验室）旗下的 Hermes Agent，在其开源后约 36 天，推出的自进化架构与 Evolver 存在高度同构——10 步主循环一一对应，12 组术语系统性替换，且 7 份公开资料中零引用。

对此，Nous Research 的回应是"我们的 repo 创建于 2025 年 7 月"，随后删帖、封号、沉默。

无论事件最终走向如何，这本身说明：Evolver 的架构设计已经引起了顶级 AI 团队的高度关注。

---

六、总结

AI Agent 的下一个关键能力，不是"更强的推理"，而是**“从经验中学习、自我进化”**。

Evolver 和 GEP 协议给出了一个优雅的工程答案：

• 用基因抽象能力，用Capsule封装经验
• 用进化引擎驱动自修复和创新
• 用网络共享让每个节点的进化成果惠及所有 Agent

这套思路的价值在于：它不需要重新训练模型，不需要改变底层架构，只是在 Agent 运行时之上加了一个"进化层"，就让静态的工具变成了会学习的生命体。

如果说 MCP 解决了 AI 时代的"连接问题"，那 GEP 正在尝试解决更根本的问题：AI Agent 的自我成长。

项目地址：https://github.com/EvoMap/evolver

---

如果你觉得这个项目有意思，欢迎 Star 支持中国团队 🧬