有這樣一種「Agent 玄學(xué)」： 你已經(jīng)把任務(wù)背景寫清楚了，把流程拆清楚了，把常見坑、API 用法、示例代碼、注意事項都塞進(jìn)去了，甚至還專門寫了一份長長的 Skill 文檔?？上乱淮瓮惾蝿?wù)再來，模型還是可能在同一個地方犯錯。

這套路徑有一個共同前提：經(jīng)驗作為一份內(nèi)容被存儲、召回、調(diào)用，再重新喂給模型，就會帶來提升。

深挖這個現(xiàn)象，是一個有趣、有用、但「反直覺」的問題：包羅萬象的詳細(xì)文檔，不等于高質(zhì)量控制對象。

行業(yè)真正看錯 Skill 的地方，就在這里。大家把 Skill 當(dāng)成了智能復(fù)用的終點，卻忽略了模型并非 “閱讀” 一份文檔，而是在有限推理預(yù)算里尋找下一步策略、哪些行為必須避免、什么約束優(yōu)先級最高。

對人類工程師來說，完整性意味著安全感與規(guī)范；但對模型來說，完整性很多時候意味著信號被稀釋、重點被沖淡、控制被背景材料淹沒。也就是說，Skill 的強項恰恰建立在它服務(wù)人類理解之上，而不是服務(wù)模型在當(dāng)下任務(wù)中的決策

最近，EvoMap 團(tuán)隊（Infinite Evolution Lab × 清華大學(xué)）圍繞這個問題做了系統(tǒng)研究，提出了一個極具記憶點的新概念：Gene（基因）。靈感源于生物學(xué)中，基因是編碼蛋白質(zhì)的 DNA 片段，源自千百年來傳承的共同記憶和經(jīng)驗，而 Agent 的基因則是通過 GEP 協(xié)議的機制沉淀下來可驗證可復(fù)用的知識資產(chǎn)

• 論文標(biāo)題：From Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution
• 作者：Junjie Wang, Yiming Ren, Haoyang Zhang
• 機構(gòu)：Infinite Evolution Lab（EvoMap）× 清華大學(xué)
• arXiv：https://arxiv.org/abs/2604.15097
• Evolver（進(jìn)化引擎）：https://github.com/EvoMap/evolver
• CritPt 任務(wù)復(fù)現(xiàn)倉庫：https://github.com/EvoMap/critpt-openclaw-reproducible-70

論文用45 個科學(xué)代碼場景下的 4,590 次受控實驗+ CritPt benchmark 上的端到端驗證向我們展示了：

當(dāng)同一份底層經(jīng)驗被分別注入模型時，完整 Skill 包反而低于無指導(dǎo)基線，而十多倍更短的 Gene 對象穩(wěn)定取勝。

這個偏好不只出現(xiàn)在「寫 Prompt」那一刻，它一路傳導(dǎo)到了「Agent 在測試時如何持續(xù)進(jìn)化」這件事的設(shè)計原理上。很多時候決定 Agent 是否聰明的，不是「你存了多少經(jīng)驗」，而是「經(jīng)驗回到模型那一刻，長什么形狀」。

這啟發(fā)了什么？今天行業(yè)談起 Agent 優(yōu)化，關(guān)鍵詞永遠(yuǎn)是：更強基模、更長上下文、更高級的 RAG、更復(fù)雜的 memory 系統(tǒng)。但 Gene 揭示了經(jīng)驗復(fù)用的關(guān)鍵，不是給模型更多內(nèi)容性的提示，而是把經(jīng)驗做成一個緊湊、面向控制、可持續(xù)進(jìn)化的對象。這件事在過去幾乎被整個 Agent 圈忽視了。

What is Gene？

EvoMap 團(tuán)隊研究發(fā)現(xiàn)：給模型用的經(jīng)驗對象，應(yīng)該按「控制密度」而不是「文檔完整性」來設(shè)計。

但團(tuán)隊并未止步于這一經(jīng)驗觀察，在 4,590 次受控實驗里把現(xiàn)象固化后，EvoMap 團(tuán)隊定義了一套可復(fù)制、可變異、可遺傳的解決方案策略，Gene 是其中完整的對象層三層 framework 的一部分：

Gene ：含 keywords + summary + strategy + AVOID 四類信號，能直接當(dāng) test-time 控制片注入

為 Agent 的可復(fù)用進(jìn)化策略模板。它定義了「在什么情況下、做什么事、遵守什么約束」—— 相當(dāng)于先驗知識的編碼。

一個完整的 Gene 包含 signals strategy constraints validation 等字段和唯一的 asset_id

在極短的 Token 限制下，具備極高的控制密度，明確了模型參考的觸發(fā)信號「支持子串匹配、正則和多語言別名」，有序的可執(zhí)行步驟與執(zhí)行驗證和安全邊界「限制變更范圍和禁止觸碰的路徑」以及基于 SHA-256 的內(nèi)容尋址哈希，不可篡改。

Capsule：被驗證過的任務(wù)級執(zhí)行路徑 + 審計記錄；

Event：不可變的進(jìn)化日志。

這三件套被一個六階段循環(huán)串起來，構(gòu)成 GEP（Gene Evolution Protocol）協(xié)議：

詳見：https://evomap.ai/wiki/16-gep-protocol

用大白話來說，整套操作流程是這樣的：

• 先將過去的失敗、成功、修復(fù)路徑蒸餾成 Gene（不是寫文檔，而是寫可溯源控制信號）；
• 新任務(wù)進(jìn)來時，Scan 任務(wù)上下文 → 匹配最相關(guān)的 Gene → 當(dāng) System Instruction 注入
• 執(zhí)行完之后，把這次結(jié)果以 Event 形式寫回，觸發(fā)對 Gene 的 Validate / Mutate / Solidify—— 讓 Gene 池本身在不更新基模參數(shù)的前提下持續(xù)進(jìn)化。

Gene 如何 “降維打擊” Skill

所有數(shù)據(jù)都來自同一套實驗管線：在 Gemini 3.1 Pro Preview（Pro）和 Gemini 3.1 Flash Lite Preview（Flash）兩個固定模型上，用沙盒執(zhí)行 + Checkpoint 通過率作為指標(biāo)，溫度 T=0.05，最大輸出 16,384 token。

Skill 輸給 Gene，輸?shù)牟皇琴|(zhì)量，是形態(tài)

論文先做了最直接的對比：同樣的底層經(jīng)驗，分別打成～2,500 token 的 Skill 包和～230 token 的 Gene 對象。

完整 Skill 包在兩模型平均水平上低于無指導(dǎo)基線 1.1pp，更短的 Gene高出 3.0pp。絕的一點是：Skill 不是均勻地差，它在弱模型 Flash 上有提升（41.8→49.0），但在強模型 Pro 上狠狠拖后腿（60.1→50.7）—— 長 Skill 把 Pro 的固有能力直接壓住了。

procedural skill”，也就是今天最常見的文檔式經(jīng)驗包。它通常包含：overview、workflow、pitfalls、error handling、API notes、examples、scripts，而通過實驗看到底是哪一段在起作用：

只有 Workflow 一段在認(rèn)真起作用，Overview 反而是全文最大的負(fù)貢獻(xiàn)。Skill 的有用信號是稀疏的、集中在一小段程序性內(nèi)容里，其余大量「為人類可讀性服務(wù)」的材料，反而稀釋甚至污染了控制信號。

Skill 輸給 Gene，輸?shù)牟皇侵R量與信息密度，而是受控對象選擇。

給人看的東西塞進(jìn)模型的執(zhí)行預(yù)算，反而會成為控制噪聲。

Gene 不僅僅是 “少則全，多則惑” 的提示詞

讀到這里，最容易冒出的反駁是：「Gene 贏，不就是因為它短、不搶上下文嗎？」

實際上 Gene 針對失敗有三種分類的進(jìn)化意圖：

論文專門中用預(yù)算對齊實驗把 Skill 的有效部分截短到和 Gene 一樣的 230 token：

預(yù)算完全相同——Gene 仍然碾壓。剪短確實讓 Skill 不再倒貼分，但它怎么剪都打不到 Gene 的高度

論文還做了漸進(jìn)式構(gòu)造，看 Gene 內(nèi)部到底是哪一層在起作用：

注意第二行：keywords + summary 反而回到無指導(dǎo)基線。真正把表現(xiàn)拔起來的是 strategy 這一層。同樣的字?jǐn)?shù)，組織成「摘要」沒用，組織成「策略」才有用。

Gene 不是更短的 prompt，是不一樣形態(tài)的對象。決定模型行為的是控制結(jié)構(gòu)，不是 token 多少；strategy 這一層不可省。

論文的擾動實驗里，最反直覺的一條是：用過時算法范式寫的 stale_paradigm Gene 拿到了 56.6%，比 clean Gene 的 54.0% 還高；但換錯算法掉到 48.8%、換錯領(lǐng)域掉到 49.4%—— 掉分條件就在隔壁。

這兩個結(jié)果合起來才完整，Gene 的有效條件是「保留任務(wù)相關(guān)的控制框架」，而不是「寫得多新」。過期的方法只要框架對仍然好用；新方法如果框架錯，反而拖累。這一對比也提示了 Gene 的魯棒性邊界：結(jié)構(gòu)上很寬容，語義上很挑剔。

總結(jié)失敗的最優(yōu)形態(tài)，不是日志，是蒸餾過的警告

所有做 Agent 系統(tǒng)的人都在面對一個問題：失敗該怎么存？

長 trajectory？Reflection summary？Error log？

EvoMap 團(tuán)隊看向的關(guān)鍵問題是：如果工程預(yù)算有限，失敗該用什么形式回到模型那里？

論文同時跑了兩組對照。

對照一：失敗放在不同載體里

把失敗往 Skill 或自由文本里塞，全部低于無指導(dǎo)基線。

Gene 是唯一的正貢獻(xiàn)載體 —— 但即便如此，Gene + 失敗仍然不如 Gene 單獨（54.0 → 52.0）。

失敗原樣附加，反而稀釋了 Gene。

對照二：失敗和策略以什么形態(tài)混合

最強的不是「失敗 + 策略」混合體，也不是「策略 only」，而是failure warnings only——把失敗蒸餾成一句句獨立的「AVOID xxx」，反而比保留策略本體還強。

也就是說，對 Agent 真正有用的失敗經(jīng)驗，不長成「日志」，而長成這樣（來自論文 UV-vis 譜學(xué)場景的真實 AVOID）：

• AVOID 把 min_distance 當(dāng)成波長值傳給 scipy.signal.find_peaks，要先轉(zhuǎn)成采樣點單位
• AVOID 把 peak_widths 的原始輸出直接當(dāng) FWHM 上報，要先換回波長單位

這背后的原則非常明確：失敗經(jīng)驗的累積應(yīng)該是選擇性壓縮，不是加法式堆疊。

Gene 長什么樣？一個最小可驗證工件

講到這里，應(yīng)該看一眼一個真正的 Gene 長什么樣。下面是論文 UV-vis 場景的注入示例：

Domain keywords: uv-vis, peak detection, FWHM, unit conversion

Summary: Detect peaks and compute wavelength-domain peak properties correctly

Strategy:

1. Detect peaks with prominence-based criteria

2. Convert min_distance into sample-index units before peak detection

3. AVOID: Report FWHM only after converting peak_widths outputs back to wavelength units

約 230 token，5 個字段。它的對照物是同一份經(jīng)驗的 Skill 包：

約 2,500 token，包含 overview、workflow、pitfalls、API notes、examples、scripts 等子章節(jié)，整體形態(tài)接近一份 README。

兩者在論文實驗里使用同一個 systemInstruction 注入槽和同一套 sandbox 評測腳本—— 也就是說，控制條件完全一致，差別只在于「這一段被注入的內(nèi)容長什么形狀」。

GEP 協(xié)議則把這個原始 Gene 進(jìn)一步規(guī)范化為帶 id/schema_version/signals_match/strategy/constraints/validation/asset_id 等字段的可校驗對象—— 目的是讓它能被匹配、替換、修訂、組合，而不是停留在「一段格式好看的 prompt」。

協(xié)議層的規(guī)矩也變了

Gene最絕的一點，是沒有把「經(jīng)驗對象」局限在一個討巧的 Prompt 技巧上，而是直接殺到了協(xié)議層

在測試時控制（Inference）階段，邏輯非常順滑：同一道科學(xué)代碼題，把～2,500 token 的 Skill 包換成～230 token 的 Gene 控制片，模型立刻算得更準(zhǔn)。

但在協(xié)議層（Protocol）這件事上，EvoMap 團(tuán)隊拋出了一個更本質(zhì)的判斷：經(jīng)驗對象在多 Agent 之間被交換的時候，它必須是一個對象，不能是一段文檔。

為什么？因為沒有協(xié)議，Gene 仍然只是一段 prompt—— 邊界不穩(wěn)、字段無法比較、不能累積。一旦協(xié)議化，Gene 就從「提示片段」變成可匹配、可替換、可修訂、可組合的對象，可以被持續(xù)修訂、被審計追溯、在多 Agent 之間以一致的方式被使用。

GEP 不是格式細(xì)節(jié)，而是讓 Gene 從測試時控制對象升格成持久策略優(yōu)化接口的那一層協(xié)議。

實驗結(jié)果：CritPt 排行榜的「白嫖式」智能黑馬

為了拿數(shù)據(jù)說話，EvoMap 團(tuán)隊把 Evolver 直接拉到 CritPt 這個公開的前沿物理基準(zhǔn)上跑端到端結(jié)果。

CritPt 是動態(tài)的，嚴(yán)格模擬真實物理科研過程的數(shù)據(jù)集，Benchmark 官網(wǎng)：https://critpt.com/

Evolver 是「基模 + Gene 池 + 進(jìn)化引擎 + 工具鏈」的完整系統(tǒng)

（其中 OpenClaw 作為 host runtime，Evolver 作為進(jìn)化引擎，Gene/GEP 作為對象與協(xié)議層）；近期爆火的 Hermes Agent 也在一定程度上 “借鑒” 了 Evolver 的設(shè)計理念

Benchmark70 任務(wù)的全量復(fù)現(xiàn)答案見 (https://github.com/EvoMap/critpt-openclaw-reproducible-70)。

可以看到：

• Evolver (Gene) 2026-02-16：基模 A 9.1% → 18.57%，+9.47pp
• Evolver (Gene) 2026-03-26：基模 B 17.7% → 27.14%，+9.44pp

不更新一個參數(shù)、不加任何 SFT/RL、純靠經(jīng)驗對象層的進(jìn)化 —— 同一基模直接被抬升 +9pp 量級。同時，token 消耗從 100 美金降低到不到 1 美金。

2 月 16 日 Gemini3.0 底模實驗結(jié)果

Gene，給行業(yè)帶來了什么？

EvoMap 團(tuán)隊構(gòu)建的 Gene，把一種飄渺的‘直覺’，打造成了一套可定義、可審計、可演化、面向測試時控制的經(jīng)驗表示方法論。

對應(yīng)用層，把「寫給同事的 Skill 文檔」和「運行時注入給模型的控制信號」分離開，這可能是一個幾乎沒有成本、見效極快的「魔法」。對做 Agent 長期記憶、做 Reflection 的研究者：失敗的最佳沉淀形態(tài)不是 trajectory log 或 reflection summary，而是 AVOID 警告。GPU 吃緊時，留什么經(jīng)驗不只看采集得對不對，還得看它是不是足夠接得上模型當(dāng)前的執(zhí)行預(yù)算。

而在多 Agent 經(jīng)驗交換的設(shè)定下，比起傳輸 Skill 文檔，傳輸結(jié)構(gòu)化的 Gene 對象更適合作為協(xié)議層載荷—— 因為只有可被匹配、可被修訂、可被驗證的對象，才能在多方之間真正累積和進(jìn)化。

結(jié)論

Gene像一面鏡子，照出了 Agent 經(jīng)驗復(fù)用的本質(zhì)：

Agent 不是在「讀一份說明書」，而是在「有限推理預(yù)算里尋找下一步該怎么做、什么必須避免」。

然而這是雙向的 —— 你給 Agent 喂的經(jīng)驗對象長什么樣，反過來定義了它能進(jìn)化成什么樣。

當(dāng)整個 AI 圈都在為了更長的 context、更花哨的 RAG、更復(fù)雜的 memory 系統(tǒng)無腦卷生卷死時，EvoMap 團(tuán)隊輕巧地給出了一條無比樸素的線索：

讓 Agent 持續(xù)變強的捷徑，不是把提示詞寫得更完整，而是把執(zhí)行經(jīng)驗做成一個更緊湊、更可控、更可進(jìn)化的對象。這在 CritPt 這種硬基準(zhǔn)上有用，在協(xié)議層的多 Agent 經(jīng)驗交換上更有用，為未來的 A2A 群體智能指明了一條通路。

Agent 時代，下一階段的競爭，不僅是更大的模型和更長的上下文，更是誰能率先針對智能算力的利用效率找到更好的通解

Haoyang Zhang（張昊陽）：95 后連續(xù)創(chuàng)業(yè)者，EvoMap 創(chuàng)始人 & CEO，GEP（Genome Evolution Protocol）協(xié)議作者。OpenClaw 社區(qū)現(xiàn)象級開發(fā)者，其開發(fā)的 Evolver 插件 10 分鐘登頂 ClawHub 榜首、72 小時斬獲 3.6 萬次下載，是最廣為人知的「自進(jìn)化」工具，后續(xù)圍繞這一方向創(chuàng)辦 EvoMap。
Junjie Wang（王軍杰）：EvoMap 首席科學(xué)家，研究方向：Agent 自進(jìn)化、協(xié)議層、經(jīng)驗對象設(shè)計。早稻田大學(xué)博士，清華大學(xué)博士后，長期圍繞「Agent 如何在測試時持續(xù)變強」展開系統(tǒng)研究，Evolver 主要開發(fā)者之一。