编程 Evolver：GEP 驱动的 AI Agent 自进化引擎，让经验变成可复用资产

2026-09-05 19:00:43

Evolver：GEP 驱动的 AI Agent 自进化引擎，让经验变成可复用资产

故事要从 4 月 14 日说起，一个中国 AI 团队在 X 上发了一篇长文，每一句都带着火药味："我们花了数月时间、熬过无数个通宵，才打造出 Evolver。而背靠雄厚资源的 Hermes Agent 团队，仅用 30 天就重新发明了它。"

控诉一方是中国团队做的 Evolver，已经获得 6700 多星；被他们指控的是硅谷 Nous Research 的 Hermes Agent，人家都 114000 星了。体量差十几倍，资源差几个量级。EvoMap 团队说 Hermes 的核心架构跟 Evolver 高度相似，连术语都能一一对应。

而被借鉴的 Evolver 本身确实不一般——一个 AI Agent 自进化引擎，上线 10 分钟登顶 ClawHub 热门榜首，在 Agent 自进化这个方向上走得最远。8 天猛涨 4800 Star。这场争议恰恰说明 Evolver 的设计有多不一般。

它在干什么

一句话：Evolver 是一个 GEP 驱动的 AI Agent 自进化引擎。说人话就是，让 Agent 从自己的运行日志里揪出错误信号，自动生成修复方案，然后把修复经验固化为可复用的数字资产，下次遇到同类问题直接调用，不用重新摸索。

它要解决 Agent 最致命的一个痛点：用完就忘。今天调好的 prompt、踩过的坑、摸索出来的最佳实践，任务一结束全部蒸发。换台机器、换个实例、换个人接手，一切从零开始，像高智商的临时工，能力不差但每次都要重新培训。

举个具体例子：你让 Agent A 调某个服务的 API，结果请求头格式写错了报 403，你花了两小时排查终于帮它改好了。过两天换了项目，Agent B 遇到同样的问题还是报 403，它不知道 Agent A 已经踩过这个坑了，同样的错误、同样的排查路径、同样的两小时又来一遍。

Evolver 不是简单地给 Agent 加个记忆模块。记忆只是记住了发生过什么，Evolver 做的是把经验变成了可调用的能力，这两件事差很远。

GEP 协议：三层资产

GEP 全称是 Genome Evolution Protocol，基因组进化协议。它把 Agent 的经验拆成了三种结构化资产：

Gene（基因）：最小的能力单元。比如读文件、执行 SQL、调用飞书 API，每个 Gene 都是一段经过验证的代码或 prompt 片段，可以理解成一张技能卡，Agent 一旦获得对应的能力就稳定可用了，拿到手就能用不用再教一遍
Capsule（胶囊）：完整的问题解决路径。Gene 是单张技能卡，Capsule 就是一整套攻略，比如自动修复 Git 冲突，从检测冲突到分析原因到选择策略到执行修复再到验证结果，整个流程封装成一个 Capsule，下次遇到同类问题直接照着做
Event（进化事件）：不可变的审计日志。每次进化都会记录完整上下文——什么信号触发的、用了哪个 Gene、做了什么操作、结果怎样，写进去就改不了，相当于飞机的黑匣子，出了事可以回溯

为什么非要分三层？因为它们干的活完全不一样：Gene 管单个能力怎么存，Capsule 管整条流程怎么复用，Event 管谁干了什么怎么查。

来看一个 Gene 的实际配置：

{
  "type": "Gene",
  "category": "repair",
  "signals_match": ["disk_check_failed", "df_error"],
  "summary": "修复 df 命令参数错误，使用 df -h 配合 awk 提取磁盘信息",
  "strategy": [
    "识别 df 命令的错误参数",
    "替换为 df -h 命令",
    "使用 awk 提取磁盘占用率",
    "验证输出格式正确"
  ],
  "constraints": { "max_files": 2, "forbidden_paths": [".env"] },
  "validation": ["node tests/disk-check.test.js"]
}

signals_match 是触发条件，strategy 是执行步骤，constraints 是安全约束，validation 是验证命令。这就是 Agent 的技能卡，写好之后谁都能用。

真实场景跑一遍

假设你有一个运维 Agent，每天凌晨 3 点检查服务器磁盘空间，超过 90% 就清理 /tmp 并发飞书告警。整个过程分六步：

Scan（扫描）：Evolver 监控 Agent 的运行日志，发现磁盘检查脚本执行失败了
Signal（提取信号）：把乱七八糟的错误输出转化成人话——df 命令参数错误导致解析失败
Intent（判断方向）：这是一个 bug 需要修复，不是性能优化也不是新功能
Mutate（生成方案）：用 df -h 配合 awk 提取磁盘信息，替代原来有问题的写法
Validate（验证）：在隔离环境里跑一遍新脚本，确认能正确输出磁盘占用率
Solidify（固化）：把修复后的逻辑封装成一个 Gene，取名 disk_check_v1，写入资产库

接下来几天，Evolver 又自动补上了 Docker 容器清理、日志轮转等能力，disk_check_v1 一步步升级到 v2、v3。不到一周，这个运维 Agent 已经自学了一套完整的磁盘运维技能，全程没有人类写一行代码。

来自 EvoMap 团队的真实测试数据显示，Evolver (Gene) 在 CritPt benchmark 上从 18.57% 提升到 27.14%，而作为对比 Gemini 3.1 Pro Preview 只有 17.7%。注意这不是微调模型也不是重新训练，纯粹是通过 Gene 驱动的进化实现的提升。

输出 prompt 而非代码补丁

Evolver 输出的是 prompt，不是代码补丁。代码补丁就像装修师傅直接进你家二话不说把墙砸了、水管换了，干完你才发现这墙不该砸。而 Evolver 给你的 prompt 更像一份装修方案，它会告诉你这面墙建议拆掉因为挡光了、水管建议换成 PPR 材质因为耐用、预算大概多少工期几天，你看完方案觉得行就执行，觉得不行可以改甚至直接扔掉。

也就是说它不会直接去改你的代码文件，生成的是一段结构化的指令（GEP prompt），告诉你应该怎么改、改哪里、用什么策略。这段 prompt 你可以自己看、自己决定用不用，也可以交给 OpenClaw 这样的宿主运行时自动消费执行。为什么不直接改代码？三个原因：安全（不会误改关键文件）、可控（每一步都有人工审批机会）、可审计（所有修改都有 Event 记录）。

进化策略与安全护栏

Evolver 给你准备了四种预设策略：日常用 balanced（50% 创新、30% 优化、20% 修复）；想快速加能力切到 innovate（创新拉到 80%）；刚做完大改动各种小问题冒出来用 harden（40% 修复加 40% 优化）；线上 Agent 频繁崩溃紧急救火直接上 repair-only（80% 修复）。

安全方面也想得很周到：Gene 验证命令只允许 node/npm/npx 前缀，禁止命令替换和 shell 操作符；每条命令有 180 秒超时；核心源文件被保护，Agent 不能自己改自己的底层代码；修改范围有爆炸半径估算，每次最多动 60 个文件。还有内容寻址机制，每个 Gene 和 Capsule 都有一个通过 SHA256 哈希算出的唯一 asset_id，防篡改、防重复、快速查找。

安装

前置条件：Node.js 18 以上版本，项目文件夹得是 git 仓库。

npm install -g @evomap/evolver

装完进到项目根目录运行：

evolver

它会自动扫描 memory 文件夹里的日志，自动匹配对应的 Gene，然后在终端输出 GEP 指令。第一次运行建议加上 --review 参数，改动生效前会停下来让你确认。想让 Agent 持续进化用 evolver --loop，它会在后台自动跑。用 IDE 写代码的话，Cursor 和 Claude Code 用户一条命令搞定接入：evolver setup-hooks --platform=cursor 或 --platform=claude-code，OpenClaw 用户原生支持不用额外配置。

目前只支持 JavaScript/Node.js 生态，Python 支持还在路上，Windows 兼容也有已知 Issue。EvoMap 还用 A2A 协议让不同 Agent 在网络上共享进化经验，实现一个 Agent 学会、百万 Agent 继承。

项目基于 GPL-3.0 协议开源。

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