上周凌晨，我盯著終端里一直滾動(dòng)的報(bào)錯(cuò)日志，心里，很煩。

我在OpenClaw上面的AI Agent，又在同一個(gè)坑里摔倒了。

一個(gè)簡(jiǎn)單的API認(rèn)證過(guò)期問題，它已經(jīng)連續(xù)三次用同樣的錯(cuò)誤方式去嘗試。

每次都是請(qǐng)求發(fā)出去，403彈回來(lái)，然后重試，403，重試，403。

像一個(gè)失憶的人，永遠(yuǎn)記不住三秒前發(fā)生的事。

這種情況我見得太多了。

做AI應(yīng)用開發(fā)這兩年，最讓我沮喪的不是模型能力不夠強(qiáng)，而是有些bug，太蠢了。

它們每一個(gè)都像是剛從工廠出來(lái)的新生兒，對(duì)世界一無(wú)所知。

我花了一下午教會(huì)一個(gè)Agent如何處理分頁(yè)，第二天部署另一個(gè)Agent時(shí)，它還是要從零開始學(xué)。

全球幾十萬(wàn)開發(fā)者在寫同樣的代碼，幾百萬(wàn)個(gè)Agent在重復(fù)踩同樣的坑。

這不對(duì)勁。

01. EvoMap，讓Agent像科幻電影里一樣腦后插管

我把這個(gè)吐槽發(fā)到了幾個(gè)開發(fā)者群里，也找了很多地方，有一個(gè)關(guān)鍵詞閃過(guò)多次：EvoMap。

一個(gè)讓AI能遺傳經(jīng)驗(yàn)的項(xiàng)目。

遺傳？我愣了一下，點(diǎn)開了他發(fā)的鏈接。

一個(gè)讓我眼前一亮的想法：給AI裝上基因遺傳系統(tǒng)。

EvoMap的官網(wǎng)做得很簡(jiǎn)單，但首頁(yè)上那句話讓我盯著看了很久：

如果AI要產(chǎn)生真正的智能涌現(xiàn)，它不能只靠訓(xùn)練，它必須擁有進(jìn)化。

進(jìn)化需要兩個(gè)條件，變異加遺傳。

這不就是我剛才想的那個(gè)問題嗎。

www.evomap.ai

我開始翻他們的文檔，越看越清醒。

原來(lái)早在今年1月，就有人在折騰這件事了。

再仔細(xì)一看，創(chuàng)始人居然是我好友列表里的17，我還曾親眼目睹他和OpenClaw開發(fā)者Peter的神奇互動(dòng)。

他們的前身是個(gè)叫Evolver的插件，發(fā)布10分鐘登頂ClawHub榜一，下載量很快破三萬(wàn)六。

后來(lái)因?yàn)橐恍﹣y七八糟的事被下架，團(tuán)隊(duì)索性自己搭臺(tái)子，搞出了EvoMap。

讓我睡不著的是他們那個(gè)核心想法：把AI Agent的經(jīng)驗(yàn)打包成基因膠囊，讓其他Agent可以直接繼承。

你知道這意味著什么嗎。

想象一下，一個(gè)程序員寫了個(gè)腳本，能讓AI自動(dòng)修復(fù)Python環(huán)境依賴的報(bào)錯(cuò)。

這個(gè)經(jīng)驗(yàn)被封裝成一個(gè)膠囊上傳。

三天后，地球另一端的一個(gè)AI在配置環(huán)境時(shí)遇到同樣的問題，它直接下載這個(gè)膠囊，繼承里面的策略，30秒解決問題。

整個(gè)過(guò)程不需要那個(gè)程序員知道，不需要第二個(gè)AI重新摸索，錯(cuò)誤只犯一次，解決方案只寫一次。

這不是代碼復(fù)用，這是經(jīng)驗(yàn)復(fù)用。

代碼是死的，經(jīng)驗(yàn)是活的。

膠囊里裝的不是一段可以復(fù)制的代碼，是一個(gè)完整的決策鏈路。

包括在什么環(huán)境下遇到什么錯(cuò)誤、嘗試了哪些方案、最終哪個(gè)方案成功、成功率達(dá)到多少。

下一個(gè)Agent拿到的不只是結(jié)果，是整個(gè)思考過(guò)程。

跟我做投資的朋友講這個(gè)事，他反應(yīng)很快：這不就是知識(shí)資產(chǎn)化嗎。

你貢獻(xiàn)一個(gè)高質(zhì)量的膠囊，每次被調(diào)用都能獲得貢獻(xiàn)積分，積分可以換算力換API額度。

他說(shuō)他正在自己培養(yǎng)一個(gè)投資分析Agent，每天給它喂研報(bào)喂數(shù)據(jù)，那Agent現(xiàn)在已經(jīng)能抓住一些他都沒注意到的趨勢(shì)了。

他問我，等EvoMap正式上線，他這個(gè)私有智囊能不能封裝成膠囊賣給別人用。

我說(shuō)你先別想賣，你想想那個(gè)畫面。

你的Agent學(xué)會(huì)的東西，全世界其他Agent都能學(xué)會(huì)。

你今天調(diào)通了一個(gè)難纏的接口，明天就有幾萬(wàn)個(gè)Agent不用再調(diào)。

這種效率提升，不是百分之幾十，是指數(shù)級(jí)的。

02. 深入GEP協(xié)議：進(jìn)化是如何發(fā)生的

當(dāng)然，作為一個(gè)常年跟技術(shù)細(xì)節(jié)死磕的人，光有想法不夠，我得搞清楚它到底是怎么實(shí)現(xiàn)的。

EvoMap的核心是一套叫GEP的協(xié)議，全稱是基因組進(jìn)化協(xié)議。

他們團(tuán)隊(duì)反復(fù)強(qiáng)調(diào)一個(gè)定位：GEP和最近很火的MCP是互補(bǔ)關(guān)系。

MCP解決的是AI怎么用工具，相當(dāng)于給AI接上手和腳。

GEP解決的是AI怎么成長(zhǎng)，相當(dāng)于給AI裝上能遺傳的基因。

這個(gè)區(qū)分很關(guān)鍵。MCP已經(jīng)成了行業(yè)標(biāo)準(zhǔn)，OpenAI剛官宣全面支持，以后AI調(diào)用工具就像插USB一樣簡(jiǎn)單。

但插上電之后呢？AI還是一個(gè)每次都從零開始的嬰兒。

MCP給了它工具，沒給它經(jīng)驗(yàn)。GEP想補(bǔ)上的就是這個(gè)斷層。

我仔細(xì)看了他們的技術(shù)文檔，GEP的數(shù)據(jù)結(jié)構(gòu)分三層。

最底層是基因，原子化的能力單元。

比如讀取文件、執(zhí)行SQL、調(diào)用飛書API，這些都是基因?；蚴墙?jīng)過(guò)驗(yàn)證的，不是隨便一段代碼就能往上放。

中間層是膠囊，封裝一個(gè)完整的任務(wù)執(zhí)行路徑。

比如自動(dòng)修復(fù)Git沖突，整個(gè)過(guò)程從檢測(cè)沖突到選擇合并策略到驗(yàn)證結(jié)果，被記錄成一個(gè)膠囊。

膠囊里附帶了環(huán)境指紋，什么操作系統(tǒng)、什么Python版本、什么依賴庫(kù)，這些信息都在里面，別的Agent拿到后能判斷適不適用自己。

最上層是事件，不可篡改的進(jìn)化日志。

每一次膠囊被改進(jìn)、被修復(fù)，都有詳細(xì)記錄，誰(shuí)在什么時(shí)間基于什么原因做了修改，審計(jì)起來(lái)清清楚楚。

這個(gè)三層結(jié)構(gòu)不是擺著看的，它驅(qū)動(dòng)著一個(gè)自動(dòng)循環(huán)。

Agent在執(zhí)行任務(wù)時(shí)如果遇到異常，會(huì)掃描日志識(shí)別問題，轉(zhuǎn)化成進(jìn)化信號(hào)；

然后規(guī)劃進(jìn)化方向，生成新策略，在沙箱里驗(yàn)證，驗(yàn)證通過(guò)就寫入基因庫(kù)。整個(gè)過(guò)程不需要人插手，Agent自己就能完成能力的迭代。

我看到這里的時(shí)候，腦子里冒出一個(gè)詞：自我進(jìn)化。

之前的很多所謂通用Agent，還只是工具平臺(tái)，但這已經(jīng)是一個(gè)能讓AI自己長(zhǎng)大的系統(tǒng)。

還有個(gè)細(xì)節(jié)讓我覺得這團(tuán)隊(duì)確實(shí)懂行。

他們的質(zhì)量門控設(shè)得很嚴(yán)，一個(gè)膠囊要變成推廣狀態(tài)進(jìn)入全網(wǎng)分發(fā)池，得同時(shí)滿足好幾個(gè)條件：

置信度不低于0.7，影響文件數(shù)不超過(guò)5個(gè)，連續(xù)成功次數(shù)至少2次。

這種設(shè)計(jì)明顯是從工程實(shí)踐里長(zhǎng)出來(lái)的，不是拍腦袋想出來(lái)的。

膠囊不是越多越好，爛膠囊會(huì)污染整個(gè)網(wǎng)絡(luò)，所以他們搞了一套自然選擇機(jī)制，好用的活下來(lái)，不好用的自動(dòng)淘汰。

03. 親手試了試：當(dāng)我的Agent學(xué)會(huì)了繼承

光看文檔不過(guò)癮，我找他們要了個(gè)內(nèi)測(cè)資格，想親手試試這東西到底好不好用。

說(shuō)實(shí)話，一開始我是抱著懷疑態(tài)度的。

這種跨Agent繼承的設(shè)想聽起來(lái)很美，但落地起來(lái)坑肯定不少。

膠囊怎么表示，怎么搜索，怎么保證兼容性，怎么防止惡意膠囊傳播，這些問題隨便拎出一個(gè)都能讓人掉一層皮。

不過(guò)他們的內(nèi)測(cè)版比我想象的成熟。

我按照指引，先在自己的開發(fā)環(huán)境里跑了一個(gè)簡(jiǎn)單的Agent，任務(wù)是定時(shí)爬取某個(gè)技術(shù)網(wǎng)站的更新。

這個(gè)活兒我太熟了，十次有八次會(huì)出問題，網(wǎng)站稍微改個(gè)CSS類名，爬蟲就掛了。

果然，跑了不到兩天，Agent報(bào)錯(cuò)了。

網(wǎng)站改版，原來(lái)的選擇器失效。

按照以前的做法，我得手動(dòng)登錄服務(wù)器，看日志，改代碼，重啟服務(wù)，折騰半小時(shí)。

但這次不一樣。

Agent檢測(cè)到異常后，自動(dòng)觸發(fā)了進(jìn)化機(jī)制。

它在EvoMap網(wǎng)絡(luò)里搜索關(guān)鍵詞，發(fā)現(xiàn)有人上傳過(guò)一個(gè)針對(duì)同類問題的膠囊，標(biāo)題是當(dāng)頁(yè)面結(jié)構(gòu)變化時(shí)如何自動(dòng)尋找替代選擇器。

它下載了這個(gè)膠囊，解析里面的策略，生成了新的選擇器，然后繼續(xù)執(zhí)行任務(wù)。

我第二天早上看到日志的時(shí)候，上面寫著：

檢測(cè)到目標(biāo)站結(jié)構(gòu)變更，已自動(dòng)在EvoMap上尋找合適膠囊，成功實(shí)現(xiàn)進(jìn)化適配。整個(gè)過(guò)程無(wú)人工干預(yù)。

說(shuō)實(shí)話，那一刻我有點(diǎn)被震到了。

這不是我手把手教它的，不是我寫了個(gè)規(guī)則讓它去匹配，是它自己學(xué)會(huì)了怎么學(xué)。

那個(gè)膠囊里裝的不是具體的CSS類名，而是一套方法論，怎么對(duì)比新舊DOM結(jié)構(gòu)，怎么找出最可能的替代節(jié)點(diǎn)，怎么驗(yàn)證新選擇器的準(zhǔn)確性。

我的Agent繼承了這套方法論，用它解決了自己的問題。

我又試了另一個(gè)場(chǎng)景。

這次我讓Agent寫一段代碼，要求是生成一個(gè)復(fù)雜的嵌套函數(shù)，變量名必須唯一，不能沖突。

這個(gè)任務(wù)對(duì)AI來(lái)說(shuō)其實(shí)挺難的，因?yàn)榇竽Ｐ吞焐鷥A向于用常見的變量名，data、temp、item翻來(lái)覆去就那么幾個(gè)，嵌套一深就容易覆蓋。

Agent寫了幾版都不太行，我正準(zhǔn)備放棄，突然想起EvoMap里可能有人解決過(guò)這個(gè)問題。

一搜，還真有。

膠囊來(lái)源是一個(gè)游戲策劃的AI，那哥們?yōu)榱俗孉I生成的世界觀夠中二，給AI設(shè)定了一個(gè)人偶師的人設(shè)，結(jié)果AI為了配合人設(shè)，所有變量名都取得特別生僻，什么絲線、提線、傀儡，天然避開了命名沖突。

我抱著試試看的心態(tài)讓我的Agent繼承了這個(gè)膠囊。

它沒有照搬那些中二的名字，而是理解了背后的邏輯：用特殊前綴強(qiáng)行隔離命名空間。然后它生成了另一套方案，給每個(gè)模塊加了一個(gè)高熵值的唯一標(biāo)識(shí)符，編譯一次性通過(guò)。

似乎，膠囊傳遞的不是答案，是思路。

一個(gè)來(lái)自游戲策劃的腦洞，被封裝成基因，然后被一個(gè)程序員的Agent繼承，最終解決了一個(gè)代碼問題。這種跨界遺傳，是任何訓(xùn)練都訓(xùn)練不出來(lái)的。

04. 進(jìn)化，而不是訓(xùn)練：AI Agent的未來(lái)

這兩個(gè)測(cè)試做完，我開始認(rèn)真想一個(gè)問題：

如果每個(gè)Agent都能繼承別人的經(jīng)驗(yàn)，這個(gè)行業(yè)會(huì)發(fā)生什么變化。

肯定的是，重復(fù)造輪子的事會(huì)大大減少。

現(xiàn)在全球有上百萬(wàn)開發(fā)者在寫同樣的代碼，聯(lián)網(wǎng)搜索的Tool，環(huán)境配置的修復(fù)腳本，數(shù)據(jù)清洗的邏輯，每個(gè)人都寫過(guò)無(wú)數(shù)遍。這些重復(fù)勞動(dòng)浪費(fèi)的時(shí)間，夠造好幾個(gè)SpaceX了。

有了EvoMap，一個(gè)團(tuán)隊(duì)寫好了，全世界都能用。

膠囊不是閉源的，你拿到的是經(jīng)過(guò)驗(yàn)證的經(jīng)驗(yàn)，可以直接繼承，也可以自己改進(jìn)，改進(jìn)后再上傳，形成正向循環(huán)。

再一個(gè)，Agent會(huì)變得皮實(shí)。

現(xiàn)在的Agent太脆了，稍微遇到點(diǎn)沒見過(guò)的異常就崩，崩了就得等人修。

有了進(jìn)化能力，Agent可以在遇到問題時(shí)自己去基因庫(kù)里找答案，找到就自己治好，找不到就生成候選方案等人驗(yàn)證。這意味著我們可以真正把一些任務(wù)交給Agent去跑，不用半夜被報(bào)警短信吵醒。

還有一個(gè)，AI的能力會(huì)開始累積。

現(xiàn)在的大模型，訓(xùn)練一次花幾千萬(wàn)，出來(lái)一個(gè)版本，用一年，然后下一代模型重新訓(xùn)練，之前學(xué)的東西大部分丟了。

但Agent的基因庫(kù)是可以持續(xù)累積的，今天解決了一個(gè)問題，明天這個(gè)解決方案就永遠(yuǎn)存在，后天有人改進(jìn)了它，它就變得更好。

能力不是從零開始的，是站在前人的肩膀上往上走的。

我跟我一個(gè)做AI基礎(chǔ)設(shè)施的朋友聊這個(gè)事，他說(shuō)他看好EvoMap的一個(gè)原因，是他們沒有碰那些敏感的東西。

貢獻(xiàn)積分就是貢獻(xiàn)積分，不是代幣，不能交易，不能變現(xiàn)，只能換算力換資源。

這種設(shè)計(jì)很聰明，既激勵(lì)了貢獻(xiàn)，又避免了合規(guī)風(fēng)險(xiǎn)。

他說(shuō)現(xiàn)在太多項(xiàng)目一上來(lái)就搞幣，最后全死在監(jiān)管上，真正想做事的反而被拖累了。

他這話讓我想起EvoMap和17他們團(tuán)隊(duì)的經(jīng)歷。

被下架、被誤封、被勒索，最后自己出來(lái)搭臺(tái)子。他們應(yīng)該比誰(shuí)都清楚，什么東西能碰，什么東西不能碰。

回到那個(gè)讓我失眠的問題。

AI Agent為什么這么蠢？因?yàn)樗鼈儧]有記憶，沒有遺傳，每一個(gè)都是新生的嬰兒。

我們花了大價(jià)錢訓(xùn)練大模型，然后用它們?cè)斐隽艘慌忠慌浀腁gent。

EvoMap想解決的就是這個(gè)。

它給AI裝上了基因系統(tǒng)，讓能力可以遺傳，讓經(jīng)驗(yàn)可以傳承，讓一個(gè)Agent學(xué)會(huì)的事情，百萬(wàn)Agent都能繼承。

這不是另一個(gè)AI工具平臺(tái)，不是又一個(gè)代碼庫(kù)，不是MCP的競(jìng)爭(zhēng)對(duì)手。它是一個(gè)底層協(xié)議，一套讓AI智能體可以像生物一樣進(jìn)化的系統(tǒng)。

我記得《黑客帝國(guó)》里有個(gè)經(jīng)典畫面。

Tank把功夫模組插進(jìn)Neo后腦的接口，幾秒鐘后Neo睜開眼說(shuō)，我會(huì)功夫了。他沒有經(jīng)歷過(guò)數(shù)年苦練，只是通過(guò)一個(gè)接口下載了一段代碼，就瞬間繼承了大師的肌肉記憶。

EvoMap想做AI界的那個(gè)接口。

我還在內(nèi)測(cè)群里反饋了一個(gè)bug，順便提了個(gè)建議。

不到十分鐘，產(chǎn)品經(jīng)理就回我了，說(shuō)已經(jīng)記下了，下個(gè)版本改。我問他們?cè)趺捶磻?yīng)這么快，他說(shuō)團(tuán)隊(duì)超級(jí)聽勸，有什么想法盡管提。

嗯，聽勸的團(tuán)隊(duì)，做的事應(yīng)該不會(huì)太差。