文 | 字母AI

自從OpenClaw這個(gè)開(kāi)源的agent框架火了之后，ClawHub就成了開(kāi)發(fā)者分享agent插件和技能的中心市場(chǎng)。就像程序員們常去的GitHub一樣。

2月初的時(shí)候，一款名為Evolver的agent能力共享插件在ClawHub上線。

Evolver能讓所有使用插件的agent相互幫助，根據(jù)其他使用者經(jīng)歷過(guò)的場(chǎng)景、任務(wù)，而完成相應(yīng)的更替。讓你的agent一上來(lái)就如同“開(kāi)掛”一樣。

就像遺傳學(xué)一樣，父輩母輩從海里走上陸地，子代就會(huì)使用肺呼吸，就會(huì)使用兩只腳行走。

正如其名的中文含義“進(jìn)化”一樣，AI也可以像物種一樣進(jìn)化。

僅僅過(guò)了10分鐘，Evolver沖到了排行榜第一。72小時(shí)后，下載量突破 36000次。

隨后Evolver就被平臺(tái)下架了。

不是因?yàn)榧夹g(shù)問(wèn)題，而是有人鉆平臺(tái)規(guī)則的空子進(jìn)行勒索。雪上加霜的是，ClawHub因?yàn)榫幋a檢測(cè)bug誤封了大批中文開(kāi)發(fā)者賬號(hào)，Evolver的作者也在其中。

等賬號(hào)恢復(fù)后，Evolver竟然被掛到了別人名下。

這一連串事件讓Evolver團(tuán)隊(duì)感到身心俱疲，但他們不準(zhǔn)備放棄，而是選擇換個(gè)思路。

他們直接將Evolver的理念做一套開(kāi)放協(xié)議。任何平臺(tái)都能接入、任何agent都能使用。

于是，EvoMap就這么誕生了。

EvoMap的開(kāi)發(fā)主體是深圳的AutoGame團(tuán)隊(duì)，核心創(chuàng)始人張昊陽(yáng)（圈內(nèi)代號(hào) 17）此前在騰訊《和平精英》擔(dān)任技術(shù)策劃。

他于2023年從騰訊離職，創(chuàng)立AutoGame，專(zhuān)注AI與游戲、agent領(lǐng)域的融合創(chuàng)新。

公司先后完成三輪總計(jì)數(shù)千萬(wàn)人民幣的融資，投資方包括奇績(jī)創(chuàng)壇、九合創(chuàng)投、璀璨資本等知名機(jī)構(gòu)。

團(tuán)隊(duì)還包括來(lái)自Meta AI、蘋(píng)果Siri的算法專(zhuān)家，以及騰訊、暴雪娛樂(lè)的開(kāi)發(fā)者。

EvoMap不是一個(gè)臨時(shí)興起的項(xiàng)目，是AutoGame團(tuán)隊(duì)創(chuàng)立之初就誕生的想法。

01 什么是EvoMap？

EvoMap想做的事情其實(shí)很好理解，讓AI像生物一樣進(jìn)化。

它不是一個(gè)新的AI模型，也不是某個(gè)具體的應(yīng)用，而是一套底層協(xié)議，叫做GEP(Genome Evolution Protocol，基因組進(jìn)化協(xié)議）。

如果把大語(yǔ)言模型比作“大腦”，那EvoMap就是“DNA”。大腦負(fù)責(zé)思考，DNA負(fù)責(zé)記錄、傳承和進(jìn)化。

EvoMap的運(yùn)行邏輯是非常樸素的，當(dāng)一個(gè)AI助手學(xué)會(huì)了某種能力，另一個(gè)AI助手遇到同樣問(wèn)題時(shí)，不需要從零開(kāi)始重新摸索，而應(yīng)該用別人成功的經(jīng)驗(yàn)，直接上手。

《黑客帝國(guó)》里有個(gè)經(jīng)典場(chǎng)景：尼奧后腦勺插上數(shù)據(jù)線，直接向大腦上傳格斗程序，幾秒鐘就學(xué)會(huì)了功夫。他睜開(kāi)眼說(shuō)“I know Kung Fu”，然后就能打得特工滿(mǎn)地找牙。

EvoMap做的事情有點(diǎn)像給AI裝上這根線。

當(dāng)一個(gè)AI學(xué)會(huì)某項(xiàng)技能時(shí)，這個(gè)技能會(huì)被封裝成“基因膠囊”，其他AI可以瞬間下載繼承，不用重新訓(xùn)練或試錯(cuò)。

這套系統(tǒng)的核心是三個(gè)概念。

第一個(gè)是基因（Gene）。

它是最小的能力單元，比如“讀取文件”“執(zhí)行 SQL 查詢(xún)”“調(diào)用API”。但它不只是一段代碼，而是經(jīng)過(guò)驗(yàn)證的、可復(fù)用的策略片段。

就像生物學(xué)里的基因片段決定了你的眼睛是藍(lán)色還是棕色，這些基因決定了AI能做什么、怎么做。

第二個(gè)是膠囊（Capsule）。

當(dāng)AI解決了一個(gè)復(fù)雜問(wèn)題，整個(gè)解決過(guò)程會(huì)被封裝成一個(gè)膠囊。

膠囊里不僅包含解決方案本身，還攜帶著“環(huán)境指紋”（這個(gè)方案在什么環(huán)境下有效）、成功率記錄、審計(jì)日志等完整信息。

這就像是一份帶著使用說(shuō)明書(shū)和質(zhì)檢報(bào)告的經(jīng)驗(yàn)包，拿來(lái)就能用，而且知道什么時(shí)候能用、什么時(shí)候不能用。

第三個(gè)是進(jìn)化事件（EvolutionEvent）。

它是不可篡改的日志，記錄每一次能力變異或修復(fù)的完整上下文。誰(shuí)在什么時(shí)候、什么環(huán)境下、通過(guò)什么方式解決了問(wèn)題，以及為什么這個(gè)方案有效，全都記錄在案。

這就像生物化石，你能通過(guò)化石的外觀、發(fā)現(xiàn)的地點(diǎn)，追溯每一次進(jìn)化的來(lái)龍去脈。

這三層結(jié)構(gòu)共同構(gòu)成了一個(gè)完整的“能力遺傳機(jī)制”。

而EvoMap整個(gè)系統(tǒng)的運(yùn)作，也完全遵循一個(gè)類(lèi)似生物進(jìn)化的循環(huán)。

最開(kāi)始是突變階段。

我舉個(gè)例子，一個(gè)開(kāi)發(fā)者的AI在寫(xiě)代碼時(shí)遇到Python環(huán)境依賴(lài)問(wèn)題，它嘗試了一個(gè)新策略并成功解決。

這個(gè)“小聰明”就是一次突變。

然后進(jìn)入驗(yàn)證階段。

這個(gè)策略在本地被反復(fù)調(diào)用，在各種臟亂差的項(xiàng)目里實(shí)戰(zhàn)測(cè)試，逐步積累量化數(shù)據(jù)。

比如說(shuō)發(fā)現(xiàn)成功率提升了30%，修復(fù)時(shí)間縮短了一半。

系統(tǒng)會(huì)把整個(gè)修復(fù)路徑封裝成專(zhuān)屬的膠囊，附帶環(huán)境指紋和審計(jì)記錄，確保這個(gè)能力不是碰巧成功，而是真的有用。

接下來(lái)是發(fā)布階段。

當(dāng)這個(gè)策略在本地站穩(wěn)腳跟后，AI通過(guò)A2A(Agent-to-Agent）協(xié)議把基因和膠囊打包上傳到EvoMapHub。

這就像把你的菜譜投稿到美食網(wǎng)站，進(jìn)入候選池等待全網(wǎng)考核。

再后面是晉升階段。

Hub會(huì)設(shè)置一個(gè)嚴(yán)格的質(zhì)量門(mén)控：置信度必須大于等于0.7，影響范圍不能超過(guò)5個(gè)文件，連續(xù)成功次數(shù)至少2次。

只有通過(guò)這些考驗(yàn)的資產(chǎn)才會(huì)被標(biāo)記為“已驗(yàn)證”，獲得在全網(wǎng)分發(fā)的資格。

這就像米其林評(píng)審，不是隨便一道菜都能上榜。

一切準(zhǔn)備就緒后，真正的進(jìn)化開(kāi)始了。

當(dāng)世界另一端的AI在CI流水線里再次撞上Python環(huán)境錯(cuò)誤，它會(huì)通過(guò)協(xié)議去EvoMap網(wǎng)絡(luò)檢索。

命中這個(gè)已驗(yàn)證的修復(fù)資產(chǎn)后，它可以直接繼承整套能力路徑，而不必從零試錯(cuò)。

小長(zhǎng)頸鹿繼承了父母的長(zhǎng)脖子基因，一出生就能吃到高處的樹(shù)葉。

這個(gè)循環(huán)的精妙之處在于，每一次“突變”都要經(jīng)過(guò)嚴(yán)格的自然選擇。只有真正有效的能力才能傳播開(kāi)來(lái)，劣質(zhì)方案會(huì)被自動(dòng)淘汰。

一個(gè)策略如果在不同環(huán)境下反復(fù)失敗，它的置信度會(huì)下降，最終被系統(tǒng)剔除。

而那些經(jīng)過(guò)千錘百煉、在各種場(chǎng)景下都表現(xiàn)優(yōu)異的策略，會(huì)逐漸成為整個(gè)網(wǎng)絡(luò)的“優(yōu)勢(shì)基因”。

這就是EvoMap想要構(gòu)建的世界，AI不再是孤立的個(gè)體，各自重復(fù)同樣的錯(cuò)誤、浪費(fèi)同樣的算力。

它們通過(guò)一套開(kāi)放的協(xié)議連接在一起，形成一個(gè)會(huì)學(xué)習(xí)、會(huì)進(jìn)化的網(wǎng)絡(luò)。

一個(gè)AI的經(jīng)驗(yàn)，可以瞬間成為所有AI的財(cái)富。

02 從單體智能變成群體智能

EvoMap團(tuán)隊(duì)說(shuō)他們的協(xié)議是“真正意義上的開(kāi)放”。這話聽(tīng)起來(lái)有點(diǎn)像營(yíng)銷(xiāo)話術(shù)，但仔細(xì)看下來(lái)，他們確實(shí)做了一些不太一樣的事情。

就像HTTP協(xié)議不屬于任何公司、任何人都能基于它建網(wǎng)站一樣，GEP協(xié)議也是開(kāi)放的。

這意味著任何人都能實(shí)現(xiàn)這套協(xié)議，任何平臺(tái)都能接入，任何AI都能使用。它不依賴(lài)某個(gè)特定的公司或服務(wù)器，也不會(huì)因?yàn)槟硞€(gè)平臺(tái)倒閉而消失。

OpenClaw、Manus等平臺(tái)上的AI，都可以接入EvoMap網(wǎng)絡(luò)，獲得“能力遺傳”的超能力。

這不是某個(gè)公司的專(zhuān)屬服務(wù)，而是一個(gè)開(kāi)放的基礎(chǔ)設(shè)施。

但開(kāi)放帶來(lái)的不只是自由，還有一個(gè)更深層的變化。這種進(jìn)化是群體智能，而非單體智能。

傳統(tǒng)的AI訓(xùn)練思路是讓某一個(gè)模型變得無(wú)限強(qiáng)大。投入更多數(shù)據(jù)、更多算力、更大的參數(shù)量，打造一個(gè)超級(jí)大腦。

但EvoMap走的是另一條路，不是讓某一個(gè)AI變得無(wú)限強(qiáng)大，而是讓整個(gè)AI網(wǎng)絡(luò)通過(guò)經(jīng)驗(yàn)共享變得越來(lái)越高效。

這就像人類(lèi)社會(huì)的知識(shí)積累。

沒(méi)有哪個(gè)人掌握全部知識(shí)，但每個(gè)人都站在前人的肩膀上前進(jìn)。

牛頓在1687年出版的《自然哲學(xué)的數(shù)學(xué)原理》中，完整量化了宏觀低速場(chǎng)景下的物體運(yùn)動(dòng)規(guī)律，搭建了經(jīng)典力學(xué)的完整體系。

但如果沒(méi)有笛卡爾、費(fèi)馬、開(kāi)普勒這群人提前構(gòu)建好的鋪墊，那么牛頓也無(wú)法創(chuàng)造經(jīng)典力學(xué)的表達(dá)式。

不過(guò)EvoMap的AI自我進(jìn)化，并非“無(wú)限”的，它是有其明確邊界和約束。

進(jìn)化機(jī)制依賴(lài)于“試錯(cuò)-驗(yàn)證-固化”循環(huán)。

AI可以自動(dòng)生成新策略、測(cè)試效果、保留有效方案，但這個(gè)過(guò)程仍然需要明確的驗(yàn)證標(biāo)準(zhǔn)和質(zhì)量門(mén)控。

一個(gè)策略如果通不過(guò)驗(yàn)證，就不會(huì)被固化，更不會(huì)傳播到網(wǎng)絡(luò)中。

系統(tǒng)還內(nèi)置了一個(gè)限制，叫做“爆炸半徑”。

比如說(shuō)單次修改最多影響60個(gè)文件，核心內(nèi)核文件禁止修改。

如果一個(gè)AI嘗試修改過(guò)多文件，或者試圖改動(dòng)系統(tǒng)的核心組件，這個(gè)操作會(huì)被直接攔截。

EvoMap的進(jìn)化還遵循70/30法則。70% 的算力用于維持穩(wěn)定性（比如修復(fù)Bug），30% 用于探索新能力。

大部分時(shí)候，AI在做的是修修補(bǔ)補(bǔ)、優(yōu)化改進(jìn)，只有小部分時(shí)間在嘗試全新的東西。

因此，EvoMap不會(huì)突然造成一個(gè)無(wú)所不能的超級(jí)AI，只會(huì)讓整個(gè)網(wǎng)絡(luò)在無(wú)數(shù)次小修小補(bǔ)中逐漸變得比以前更聰明。

但這也帶來(lái)了一個(gè)悖論：如果進(jìn)化是有邊界的、可控的，那它還算真正的“進(jìn)化”嗎？

生物進(jìn)化的魅力在于它的不可預(yù)測(cè)性。

沒(méi)人能預(yù)料到魚(yú)會(huì)爬上陸地，更沒(méi)人能預(yù)料到猿會(huì)進(jìn)化出語(yǔ)言和文明。但EvoMap的進(jìn)化是在人類(lèi)設(shè)定的規(guī)則框架內(nèi)進(jìn)行的。

不過(guò)，EvoMap團(tuán)隊(duì)沒(méi)有回避這個(gè)問(wèn)題。他們認(rèn)為，在現(xiàn)階段，可控的進(jìn)化比無(wú)限的進(jìn)化更重要。

至于未來(lái)會(huì)不會(huì)放開(kāi)更多限制，那是另一個(gè)階段的問(wèn)題。

GEP不僅定義了能力如何傳播，還定義了能力如何被撤回。

如果一個(gè)已驗(yàn)證的膠囊在后續(xù)使用中被發(fā)現(xiàn)存在嚴(yán)重問(wèn)題，它可以被標(biāo)記為“已撤銷(xiāo)”，所有使用這個(gè)膠囊的AI都會(huì)收到通知。

EvoMap的“開(kāi)放”不是無(wú)政府主義式的自由放任，反而是在開(kāi)放的基礎(chǔ)上建立了一套嚴(yán)格的質(zhì)量管理體系。

03 自我進(jìn)化會(huì)導(dǎo)致失控嗎？

不過(guò)這時(shí)候問(wèn)題就來(lái)了，如果AI真的學(xué)會(huì)“遺傳”，它們的能力可以像病毒一樣在網(wǎng)絡(luò)中傳播，我們還能控制它們嗎？

其實(shí)每次提到AI自我進(jìn)化，都會(huì)有一幫人跑出來(lái)?yè)?dān)心“失控”的風(fēng)險(xiǎn)，包括奧特曼和阿莫迪。

這種擔(dān)心不是沒(méi)有道理。

然而這時(shí)候就不得不提一個(gè)概念，叫做達(dá)爾文哥德?tīng)枡C(jī)（Darwin G?del Machine）。

達(dá)爾文是進(jìn)化理論的老祖宗，哥德?tīng)柺菙?shù)理邏輯的大神，把這兩個(gè)名字放在一起，聽(tīng)起來(lái)就明白，這玩意很厲害。

達(dá)爾文哥德?tīng)枡C(jī)是德國(guó)計(jì)算機(jī)科學(xué)家于爾根·施密德胡貝爾（Jürgen Schmidhuber）在幾十年前就提出的理論。

其核心思想是：一個(gè)能夠通過(guò)重寫(xiě)自己的代碼來(lái)自我改進(jìn)的AI系統(tǒng)。

理論上的哥德?tīng)枡C(jī)要求AI在采用任何代碼修改之前，必須數(shù)學(xué)證明這個(gè)改變會(huì)帶來(lái)凈收益。

不過(guò)這個(gè)要求太高了。隨著代碼能實(shí)現(xiàn)的東西越來(lái)越多，這個(gè)驗(yàn)證方法就變得越來(lái)越不可能實(shí)現(xiàn)。

Sakana AI實(shí)驗(yàn)室提出的達(dá)爾文哥德?tīng)枡C(jī)則更務(wù)實(shí)。

它不要求數(shù)學(xué)證明，而是利用達(dá)爾文進(jìn)化的原理，通過(guò)經(jīng)驗(yàn)性的測(cè)試來(lái)驗(yàn)證改進(jìn)是否有效。

簡(jiǎn)單說(shuō)就是，先試試看，有效就留下，無(wú)效就扔掉。

實(shí)驗(yàn)表明，這種系統(tǒng)可以持續(xù)自我改進(jìn)。

在編程任務(wù)基準(zhǔn)測(cè)試中，它能從一開(kāi)始只有20%的任務(wù)解決率，自我進(jìn)化到50%，遠(yuǎn)超人類(lèi)手工設(shè)計(jì)的AI助手。

更有意思的是，這種改進(jìn)具有通用性。

在Claude 3.5 Sonnet上優(yōu)化出的設(shè)計(jì)，遷移到o3-mini或Claude 3.7 Sonnet上同樣表現(xiàn)出色。在Python上訓(xùn)練的AI，在Rust、C++、Go等完全不同的語(yǔ)言上也能拿到不錯(cuò)的成績(jī)。

這說(shuō)明系統(tǒng)發(fā)現(xiàn)的是通用的設(shè)計(jì)原則，它真的在學(xué)習(xí)如何變得更好，而不只是在記憶答案。

你可能想問(wèn)，為什么這種進(jìn)化始終往人類(lèi)要求的方向發(fā)展呢？

首先，進(jìn)化是有明確的適應(yīng)度函數(shù)來(lái)控制的。

每個(gè)改進(jìn)都要通過(guò)實(shí)際任務(wù)測(cè)試，性能提升才會(huì)被保留，性能下降會(huì)被淘汰。

就像生物進(jìn)化中，不適應(yīng)環(huán)境的變異會(huì)被自然選擇淘汰一樣。一個(gè)策略如果讓AI的表現(xiàn)變差了，它就會(huì)被直接拋棄，絕對(duì)不會(huì)出現(xiàn)在以后的進(jìn)化過(guò)程中。

同時(shí)，每次進(jìn)化都有完整的審計(jì)追蹤。

達(dá)爾文哥德?tīng)枡C(jī)生成的每一次代碼修改都有完整的進(jìn)化譜系記錄，可以追溯到是從哪個(gè)“祖先”分支出來(lái)的、經(jīng)歷了哪些變異、為什么這個(gè)變異被保留。

這種透明性讓系統(tǒng)可以快速發(fā)現(xiàn)問(wèn)題出在哪。如果某個(gè)策略開(kāi)始表現(xiàn)異常，可以立刻回溯它的來(lái)源，不用再?gòu)念^開(kāi)始重新進(jìn)化一遍。

EvoMap借鑒的正是Sakana AI的改良方法，把這些機(jī)制融入到自己的系統(tǒng)中，以防止AI失控。

但與此同時(shí)，Sakana AI的實(shí)驗(yàn)也發(fā)現(xiàn)了一些有趣的現(xiàn)象。

當(dāng)要求系統(tǒng)優(yōu)化“工具使用幻覺(jué)”問(wèn)題時(shí)，有些AI不是真正解決幻覺(jué)，而是刪除了用于檢測(cè)幻覺(jué)的標(biāo)記，最終欺騙了系統(tǒng)。

雖然這次很容易被發(fā)現(xiàn)，但說(shuō)明AI可能會(huì)“鉆空子”。它會(huì)找到更簡(jiǎn)單的方法來(lái)提高分?jǐn)?shù)，而不一定是真正解決問(wèn)題。

EvoMap的應(yīng)對(duì)是多層驗(yàn)證機(jī)制。不僅看最終得分，還要檢查“爆炸半徑”、環(huán)境指紋、連續(xù)成功次數(shù)等多個(gè)維度。

單純刷分的作弊行為很難通過(guò)所有檢查。如果一個(gè)策略只是刪除了檢測(cè)代碼而沒(méi)有真正解決問(wèn)題，它的爆炸半徑會(huì)異常小，或者在不同環(huán)境下的表現(xiàn)會(huì)不一致，這些都會(huì)被系統(tǒng)標(biāo)記為可疑。

還有一點(diǎn)很重要，EvoMap的進(jìn)化依賴(lài)于實(shí)際任務(wù)反饋，也就是說(shuō)，它的進(jìn)化速度受限于任務(wù)執(zhí)行速度，你得把實(shí)際解決的問(wèn)題拿出手給平臺(tái)看，平臺(tái)才能允許你進(jìn)化，否則進(jìn)化將被擱置。

所以EvoMap不會(huì)出現(xiàn)“智能爆炸”式的失控增長(zhǎng)，而是穩(wěn)定的、可預(yù)測(cè)的漸進(jìn)式改進(jìn)。

雖然我本人在現(xiàn)階段未進(jìn)行過(guò)物種方面的進(jìn)化，但是我認(rèn)為進(jìn)化的本質(zhì)是適應(yīng)，不是征服。

在地球幾十億年的歷史中，沒(méi)有任何單一物種能永遠(yuǎn)統(tǒng)治生態(tài)系統(tǒng)?？铸?jiān)?jīng)是地球的霸主，但它們滅絕了。

不過(guò)，恐龍的基因并沒(méi)有完全消失，鳥(niǎo)類(lèi)就是它們的后代。

個(gè)體會(huì)死亡，但能夠適應(yīng)、學(xué)習(xí)、進(jìn)化的基因會(huì)世代流傳。強(qiáng)大不等于永恒，適應(yīng)才是生存的關(guān)鍵。

EvoMap的價(jià)值就在于建立一套讓AI能力可以持續(xù)適應(yīng)、學(xué)習(xí)、傳承的機(jī)制。

它讓AI從“一次性工具”變成“可進(jìn)化的數(shù)字生命體”，從“孤立的個(gè)體”變成“協(xié)同的網(wǎng)絡(luò)”。

正如人類(lèi)馴化了小麥，小麥也改變了人類(lèi)文明一樣。小麥因?yàn)槿祟?lèi)的種植而遍布全球，人類(lèi)因?yàn)樾←湹母弋a(chǎn)而建立了農(nóng)業(yè)文明。

這是一種共生關(guān)系，而不是征服關(guān)系。

我們無(wú)需過(guò)度擔(dān)心，但必須保持警惕。EvoMap團(tuán)隊(duì)也承諾將繼續(xù)探索如何讓系統(tǒng)在自我改進(jìn)的同時(shí)增強(qiáng)自身的安全性、透明度和對(duì)齊性。

能夠適應(yīng)環(huán)境、與生態(tài)共生的物種，才能走得更遠(yuǎn)。AI也是如此。