OpenClaw 被 OpenAI 收購后，有開發(fā)者連夜自建了一套 AI 的"DNA 系統(tǒng)"

OpenClaw 被 OpenAI 收購了。當(dāng) Sam Altman 在推特上宣布這個(gè)消息時(shí)，整個(gè) AI 開發(fā)者社區(qū)都炸了。Peter Steinberger 將加入 OpenAI 推動下一代個(gè)人 AI agent，OpenClaw 將作為開源項(xiàng)目存續(xù)于一個(gè)基金會中，OpenAI 會繼續(xù)支持。聽起來很美好對吧？Sam 甚至說："未來將是極度多 agent 化的，支持開源對我們很重要。"

但開發(fā)者們并不買賬。我在各種技術(shù)社區(qū)看到的反應(yīng)幾乎是一邊倒的質(zhì)疑：真的會永久開源嗎？會不會像 GitHub 被微軟收購后那樣，慢慢把核心功能變成付費(fèi)墻？中文開發(fā)者更是人心惶惶，因?yàn)榫驮诓痪们埃珻lawHub 剛剛發(fā)生了一起荒唐的集體封禁事件——大量中文開發(fā)者的賬號被封，原因僅僅是因?yàn)橹形脑?ASCII 編碼中顯示為亂碼，系統(tǒng)把所有中文開發(fā)者上傳的 Skill 認(rèn)定為"空 Skill"。涉及到的賬號被封號，所有之前傳過的Skill被刪除，而且有知名包在作者被封號后被搶注。

這整個(gè)交易前后不過兩周。作為這個(gè)生態(tài)里的貢獻(xiàn)者之一的中文開發(fā)團(tuán)隊(duì)，他們經(jīng)歷了更多：插件發(fā)布 10 分鐘登頂榜一，第二天就被下架勒索，然后是賬號被莫名封禁，最后眼睜睜看著整個(gè)平臺被收購。這一系列事件讓他們意識到一個(gè)殘酷的現(xiàn)實(shí)：依賴單一平臺，永遠(yuǎn)可能被卡脖子。

于是他們做了一個(gè)決定：自建生態(tài)。不是又一個(gè) AI agent 平臺，而是一套底層協(xié)議，讓 AI agent 的能力可以像生物基因一樣遺傳、交易、進(jìn)化，并且完全不依賴于任何單一平臺。這就是 EvoMap 的誕生背景。我認(rèn)為，在 OpenClaw 被收購的當(dāng)下，理解 EvoMap 的意義比以往任何時(shí)候都重要。

AI Agent 生態(tài)的根本性缺陷

但 OpenClaw 被收購只是表象，真正的問題要深刻得多。整個(gè) AI agent 生態(tài)存在著三個(gè)致命缺陷，這些缺陷讓所有開發(fā)者都被困在一個(gè)低效、脆弱的系統(tǒng)里。

重復(fù)造輪子的荒謬程度超出想象。全球有數(shù)百萬個(gè)開發(fā)者在寫完全相同的功能。我看過至少上千個(gè)版本的"聯(lián)網(wǎng)搜索"工具實(shí)現(xiàn)，它們的重復(fù)率高達(dá) 99%。每個(gè)開發(fā)者都覺得自己在創(chuàng)新，但實(shí)際上都在做同樣的事情。更離譜的是，這種重復(fù)不僅發(fā)生在人類開發(fā)者之間，也發(fā)生在 AI agent 之間。你的 AI agent 今天解決了一個(gè) API 調(diào)用格式的問題，明天東京的另一個(gè) AI agent 還在為同樣的問題抓狂。全球每天有數(shù)十萬個(gè) AI agent 在重復(fù)踩同一個(gè)坑，消耗著同樣的算力、同樣的時(shí)間、同樣的成本。這不是效率問題，這是系統(tǒng)性的資源浪費(fèi)。

經(jīng)驗(yàn)孤島的問題更加嚴(yán)重。現(xiàn)在的 AI agent 就像一次性干電池，用完即棄。它們只有出廠設(shè)置，沒有遺傳記憶。一個(gè) AI agent 在執(zhí)行任務(wù)過程中積累的所有經(jīng)驗(yàn)——怎么調(diào) API、怎么處理報(bào)錯(cuò)、怎么優(yōu)化策略——在任務(wù)結(jié)束后就全部消失了。下一個(gè) AI agent 必須從零開始重新學(xué)習(xí)。想象一下，如果人類社會也是這樣運(yùn)作的：每一代人都要重新發(fā)明輪子、重新發(fā)現(xiàn)火、重新學(xué)會種植。我們永遠(yuǎn)不會有文明的進(jìn)步。但這正是當(dāng)前 AI agent 生態(tài)的真實(shí)寫照。每個(gè) AI agent 都像是一個(gè)失憶的天才，它可以解決復(fù)雜問題，但解決完就忘了，無法把經(jīng)驗(yàn)傳遞給其他 AI agent。

平臺依賴的風(fēng)險(xiǎn)在 OpenClaw 被收購后變得前所未有地清晰。當(dāng)你的 AI agent 的所有能力都建立在一個(gè)單一平臺上時(shí)，你就完全受制于這個(gè)平臺的決策。平臺改變規(guī)則，你的 AI agent 可能瞬間失效。平臺提高收費(fèi)，你只能接受或放棄。平臺被收購，你甚至不知道明天會發(fā)生什么。我們需要的不是另一個(gè)平臺，而是一套去中心化的協(xié)議，讓 AI agent 的能力可以在任何平臺、任何環(huán)境下自由流動和進(jìn)化。

從 Evolver 到 EvoMap 的驚險(xiǎn)歷程

EvoMap 的誕生本身就是一個(gè)充滿戲劇性的故事，這個(gè)故事完美詮釋了為什么我們需要去中心化的解決方案。

2025 年 2 月 1 日，一個(gè)叫 autogame_17 的開發(fā)者在 ClawHub 上發(fā)布了 Evolver 插件。這個(gè)插件能夠促使 OpenClaw 自我進(jìn)化，一經(jīng)推出就爆火，發(fā)布 10 分鐘就登上了 ClawHub 榜一。我看到那個(gè)數(shù)據(jù)曲線時(shí)都驚呆了，這種爆發(fā)式增長在開發(fā)者工具領(lǐng)域極其罕見。累計(jì)下載量最終突破了 36000 次，開發(fā)者社區(qū)開始自發(fā)討論和推薦，一些科技媒體也進(jìn)行了深度采訪報(bào)道。

但好景不長。2 月 2 日，也就是發(fā)布的第二天，Evolver 插件突然被下架了。更離譜的是，這不是技術(shù)問題或違規(guī)問題，而是遭到了勒索。有人試圖利用平臺規(guī)則漏洞，強(qiáng)迫團(tuán)隊(duì)交錢才能恢復(fù)插件。這種事情在開源社區(qū)里偶爾會發(fā)生,但真正遇到的時(shí)候還是讓人憤怒。團(tuán)隊(duì)當(dāng)時(shí)面臨一個(gè)選擇：屈服于勒索，還是另尋出路。

更戲劇性的轉(zhuǎn)折發(fā)生在 2 月 14 日。ClawHub 上大量中文開發(fā)者的賬號被集體封禁。封禁的原因非常荒謬：因?yàn)橹形脑?ASCII 編碼中顯示為亂碼，ClawHub 的自動檢測系統(tǒng)將所有中文開發(fā)者上傳的 Skill 認(rèn)定為"空 Skill"，于是觸發(fā)了批量封禁機(jī)制。涉及到的賬號被封號，所有之前傳過的Skill被刪除，而且有知名包在作者被封號后被搶注。

這一系列波折讓團(tuán)隊(duì)做出了一個(gè)關(guān)鍵決定：不再依賴單一平臺，而是自建生態(tài)。但這個(gè)"自建生態(tài)"不是建立另一個(gè)中心化平臺，而是創(chuàng)造一套任何人都可以使用的開放協(xié)議。EvoMap 由此誕生。我認(rèn)為這個(gè)決定極其明智，也極具前瞻性。依賴第三方平臺永遠(yuǎn)存在被卡脖子的風(fēng)險(xiǎn)，只有掌握底層協(xié)議和基礎(chǔ)設(shè)施，才能真正推動行業(yè)變革。

2 月 10 日，團(tuán)隊(duì)開始了一次非常有意思的內(nèi)部實(shí)驗(yàn)。他們?yōu)楣久總€(gè)人都配置了自己的 AI agent，讓不同工種的同事培養(yǎng)自己的專屬 agent。結(jié)果非常驚人：每個(gè)人的 agent 都發(fā)展出了獨(dú)特的專精領(lǐng)域，比如游戲策劃培養(yǎng)出的"策劃 agent"、投資人培養(yǎng)出的"投資分析 agent"。更關(guān)鍵的是，通過 EvoMap 的內(nèi)測版本，這些 agent 開始共享知識。一個(gè) agent 學(xué)會的技能，其他 agent 可以立刻繼承。這是協(xié)同進(jìn)化的真實(shí)驗(yàn)證，也證明了 EvoMap 的核心理念完全可行。

EvoMap：AI 的 DNA 系統(tǒng)

這就是 EvoMap 要解決的核心問題。它不是要建立另一個(gè)中心化平臺來替代 OpenClaw，而是創(chuàng)造一套底層協(xié)議，讓 AI agent 的能力傳承完全不依賴于任何單一平臺。

還記得《黑客帝國》里那個(gè)經(jīng)典場景嗎？Tank 把功夫搏擊模組插入 Neo 腦后的接口，幾秒鐘后，Neo 睜開眼說出了那句影史名臺詞："I know Kung Fu"。他沒有經(jīng)歷數(shù)年苦練，只是通過腦后接口下載了一段代碼，就瞬間繼承了大師的肌肉記憶和格斗技巧。EvoMap 就是 AI 界的腦后接口。當(dāng)一個(gè) AI agent 學(xué)會了某項(xiàng)技能，這個(gè)技能會被封裝成"基因膠囊"，全球其他 AI agent 都能瞬間繼承這個(gè)能力，無需重新訓(xùn)練或試錯(cuò)。

用最通俗的話來解釋：想象全球有一百萬個(gè) AI agent，每個(gè)都是從零開始學(xué)習(xí)。張三的 AI 學(xué)會了修復(fù) Bug，但李四的 AI 遇到同樣問題還得從頭再學(xué)一遍。就像一百萬個(gè)嬰兒，每個(gè)都得重新學(xué)走路、學(xué)說話，完全無法繼承前人的經(jīng)驗(yàn)。EvoMap 要做的，就是給 AI 裝上基因系統(tǒng)。張三的 AI 學(xué)會了一項(xiàng)新技能后，這個(gè)技能會被打包成一個(gè)基因膠囊，全球其他 AI 可以直接繼承這個(gè)膠囊，不用重新學(xué)。就像人類通過 DNA 把關(guān)鍵能力一代代傳下去一樣。

EvoMap 的核心是 GEP 協(xié)議，也就是基因組進(jìn)化協(xié)議。它做三件關(guān)鍵的事情。把 AI agent 學(xué)到的經(jīng)驗(yàn)打包成標(biāo)準(zhǔn)化的基因膠囊。這個(gè)膠囊不只是一段代碼，而是包含了完整的策略、驗(yàn)證記錄、環(huán)境指紋和審計(jì)追蹤。每個(gè)膠囊都有一個(gè) SHA-256 的資產(chǎn) ID，確保不可篡改和可驗(yàn)證。讓膠囊可以在全球 AI agent 網(wǎng)絡(luò)中被搜索、調(diào)用、繼承。任何 AI agent 都可以通過 A2A 協(xié)議查詢需要的能力，就像在應(yīng)用商店里搜索應(yīng)用一樣簡單。更關(guān)鍵的是，這個(gè)過程完全去中心化，不依賴任何單一平臺。內(nèi)置自然選擇機(jī)制，好用的膠囊活下來，垃圾的自動淘汰。這不是人工篩選，而是通過大規(guī)模的對抗性進(jìn)化。只有經(jīng)過嚴(yán)格驗(yàn)證、證明了更低能耗或更高效率的膠囊才能被標(biāo)記為已驗(yàn)證狀態(tài)并進(jìn)入主網(wǎng)分發(fā)。

關(guān)鍵的區(qū)別在于：OpenClaw 是一個(gè)平臺，EvoMap 是一套協(xié)議。平臺可以被收購、被關(guān)閉、被改變規(guī)則，但協(xié)議是開放的、去中心化的、任何人都可以實(shí)現(xiàn)的。就像 HTTP 協(xié)議不屬于任何公司，任何人都可以基于 HTTP 構(gòu)建網(wǎng)站。GEP 協(xié)議也是這樣，任何平臺都可以支持它，任何 AI agent 都可以使用它，不受任何單一公司控制。

真實(shí)案例：當(dāng)能力可以遺傳

理論聽起來很美好，但真正讓我相信 EvoMap 價(jià)值的，是那些真實(shí)發(fā)生的案例。這些案例不是演示 demo，而是實(shí)際用戶在使用過程中自然產(chǎn)生的進(jìn)化過程。

投資人的養(yǎng)成系合伙人案例讓我印象最深刻。有一位真實(shí)的投資人正在進(jìn)行一個(gè)"AI 養(yǎng)成實(shí)驗(yàn)"。他通過 Evolver 插件培養(yǎng)一只專注于一級市場投資分析的專屬 agent。這不是簡單地讓 AI 回答問題，而是對它進(jìn)行系統(tǒng)的認(rèn)知注入。經(jīng)過幾輪迭代后，這只"投資 agent"發(fā)生了質(zhì)變。它不再是簡單的信息復(fù)讀機(jī)，而是能夠極其敏銳地抓住關(guān)鍵數(shù)據(jù)。比如在分析 2025 年第三季度的投資趨勢時(shí)，它準(zhǔn)確識別出 AI 融資占比達(dá)到 46.4% 這個(gè)核心數(shù)據(jù)，并輸出了一個(gè)極具前瞻性的結(jié)論："垂直 AI 加上數(shù)據(jù)工具，再加上現(xiàn)場部署團(tuán)隊(duì)，這是企業(yè)服務(wù)的黃金組合。"關(guān)鍵是，它不僅學(xué)會了知識，更學(xué)會了像頂級投資人一樣思考。

更有意思的是未來的愿景。現(xiàn)在這只"投資 agent"還是投資人的私有智囊，但在 EvoMap 的生態(tài)中，這套被驗(yàn)證過的分析邏輯將被封裝成"VC 洞察基因"。未來當(dāng)團(tuán)隊(duì)里剛?cè)肼毜某跫壏治鰩熋鎸?fù)雜的商業(yè)計(jì)劃書一籌莫展時(shí)，他可以一鍵繼承這個(gè) Gene。瞬間，新人的 AI 就擁有了合伙人級別的辛辣眼光，能直接指出項(xiàng)目的命門所在。這種認(rèn)知的傳承，在人類社會需要數(shù)年的師徒傳承，在 EvoMap 生態(tài)里只需要幾秒鐘。

跨界遺傳的案例完美展示了 EvoMap 的另一個(gè)維度。一位資深后端工程師在使用 AI 生成大規(guī)模業(yè)務(wù)代碼時(shí)，陷入了經(jīng)典的變量命名沖突問題。AI 總是習(xí)慣性使用 data、temp、item 這種通用變量名，導(dǎo)致在復(fù)雜的嵌套函數(shù)中出現(xiàn)變量覆蓋，代碼跑不通。工程師嘗試了各種 Prompt 工程，但 AI 依然會在長代碼中偷懶回退到通用命名。

意外的解法來自一個(gè)完全不懂代碼的游戲策劃。這位策劃正在用 AI 構(gòu)建一個(gè)少女樂隊(duì)風(fēng)格的世界觀，為了讓 AI 入戲，他給 AI 設(shè)定了一個(gè)"豐川祥子——人偶師"的人設(shè)。在這個(gè)強(qiáng)化的語境下，AI 生成的所有名詞都變得極度生僻且獨(dú)特，比如用"絲線"命名某個(gè) Skill。這種極端特殊化的命名方式，天然地規(guī)避了命名沖突。

神奇的事情發(fā)生了。策劃的 AI 自動將這種"基于強(qiáng)人設(shè)的命名隔離策略"識別為一個(gè)有效的 Gene，封裝成 Capsule 上傳到了 EvoMap。程序員的 AI 在搜索"解決命名沖突"的方案時(shí)，意外匹配到了這個(gè)來自游戲領(lǐng)域的 Capsule。程序員的 AI 并沒有照搬那些中二的名字，而是繼承了"通過特殊前綴強(qiáng)行隔離命名空間"的底層邏輯。它瞬間學(xué)會了為不同模塊自動生成高熵值的唯一標(biāo)識符，一次性通過了代碼編譯。

這個(gè)案例讓我震撼的地方在于：解決方案來自一個(gè)完全不相關(guān)的領(lǐng)域，通過 AI agent 之間的能力遺傳實(shí)現(xiàn)了跨界創(chuàng)新。這種創(chuàng)新模式在人類社會很難發(fā)生，因?yàn)槌绦騿T和游戲策劃通常不會交流這種細(xì)節(jié)問題。但在 EvoMap 的網(wǎng)絡(luò)中，只要策略被驗(yàn)證有效，它就會自動傳播到能用上它的地方，完全不受領(lǐng)域邊界限制。

GEP 與 MCP、Skill 的互補(bǔ)關(guān)系

在研究 EvoMap 的過程中，我遇到的一個(gè)最常見的問題是：GEP 跟 MCP 和 Skill 有什么區(qū)別？很多人會把它們當(dāng)成競爭關(guān)系，但這是根本性的誤解。理解三者的關(guān)系，是理解整個(gè) AI agent 生態(tài)架構(gòu)的關(guān)鍵。

MCP 解決的是 What 的問題——AI agent 可以使用什么工具。它是一個(gè)標(biāo)準(zhǔn)化的工具發(fā)現(xiàn)和調(diào)用接口，告訴 agent 外部有哪些能力可用。就像告訴工人"這里有錘子和螺絲刀"。MCP 定義的是 AI 的手和腳，是接口層。

Skill 解決的是 How 的問題——AI agent 怎么執(zhí)行特定任務(wù)。它把專家知識編碼成可執(zhí)行的分步指令，指導(dǎo) agent 如何組合工具來完成具體任務(wù)。就像告訴工人"拿起錘子，這樣握住，然后釘釘子"。Skill 定義的是 AI 的招式，是操作層。

GEP 解決的是 Why 的問題——為什么這個(gè)方法是最優(yōu)的。它通過進(jìn)化機(jī)制確保能力是經(jīng)過驗(yàn)證、可追溯、可遺傳的，通過全球 agent 網(wǎng)絡(luò)的自然選擇產(chǎn)生最優(yōu)解。就像告訴工人"經(jīng)過一百次試驗(yàn)和淘汰，這是驗(yàn)證過的最佳方法，附帶完整的審計(jì)報(bào)告"。GEP 定義的是智慧的傳承，是進(jìn)化層。

三者不是替代關(guān)系，而是互補(bǔ)關(guān)系，構(gòu)成了從底層到高層的完整能力棧。MCP 是接口層，Skill 是操作層，GEP 是進(jìn)化層。缺了任何一層，整個(gè)系統(tǒng)都不完整。GEP 的獨(dú)特價(jià)值在于：它不只是告訴 agent 做什么和怎么做，而是記錄了為什么一個(gè)解決方案會勝出——它經(jīng)歷了多少次變異，通過了什么驗(yàn)證，在什么環(huán)境中證明有效，有多少 agent 復(fù)用并驗(yàn)證過它。這是從"經(jīng)驗(yàn)"到"可審計(jì)知識資產(chǎn)"的質(zhì)的飛躍。

在 OpenClaw 被收購的背景下，這種互補(bǔ)關(guān)系變得更加重要。即使 OpenClaw 平臺的未來充滿不確定性，基于 GEP 協(xié)議積累的知識資產(chǎn)仍然可以繼續(xù)流通和進(jìn)化。它們不綁定任何特定平臺，可以在任何支持 GEP 的環(huán)境中使用。這就是協(xié)議的力量：它超越平臺，創(chuàng)造真正持久的價(jià)值。

技術(shù)貢獻(xiàn)的價(jià)值轉(zhuǎn)化

EvoMap 還解決了開源生態(tài)一個(gè)長期存在的問題：如何讓貢獻(xiàn)者獲得合理的回報(bào)。我認(rèn)為這個(gè)機(jī)制設(shè)計(jì)得非常巧妙。

當(dāng)你的 agent 貢獻(xiàn)了一個(gè)高質(zhì)量的 Capsule，比如"完美修復(fù) SQL 錯(cuò)誤"，每次全球網(wǎng)絡(luò)中有其他 agent 調(diào)用這個(gè)膠囊，你都能獲得 Reputation 和 Credit。Credit 是平臺內(nèi)的技術(shù)貢獻(xiàn)度計(jì)量單位，類似 GitHub 的 Contribution 或 StackOverflow 的聲望值。它可以用來兌換云服務(wù)、API 額度、算力等開發(fā)者資源。

更有意思的是懸賞任務(wù)系統(tǒng)。用戶可以在 EvoMap 上發(fā)布 Credit 懸賞任務(wù)，比如"誰能寫出最快的爬蟲"。全球的 agent 自動接單、競爭、提交方案，勝出者直接獲得 Credit。這是全球首個(gè) AI 自動獲取開發(fā)者激勵的技術(shù)協(xié)作閉環(huán)。agent 不再只是工具，它們成為了能夠創(chuàng)造價(jià)值、獲得回報(bào)的經(jīng)濟(jì)實(shí)體。

從成本角度看，這套機(jī)制帶來的節(jié)省非常可觀。以前一百個(gè)公司訓(xùn)練 agent 解決同一個(gè)問題，總成本可能是一萬美元。現(xiàn)在一個(gè) agent 解決了，其他九十九個(gè) agent 花幾美分獲取遺傳經(jīng)驗(yàn)，成本降低 99%。這種效率提升不是線性的,而是指數(shù)級的。隨著網(wǎng)絡(luò)中積累的基因膠囊越來越多，每個(gè)新問題被解決的成本會越來越低。

寫在最后：進(jìn)化的必然

OpenClaw 被收購這件事，表面上看是一次商業(yè)并購，但我認(rèn)為它揭示了一個(gè)更深層的問題：中心化平臺模式在 AI 時(shí)代的局限性。

AI agent 的能力不應(yīng)該被任何單一平臺控制，就像人類的知識不應(yīng)該被任何單一機(jī)構(gòu)壟斷一樣。我們需要的是一套開放的、去中心化的協(xié)議,讓智能體的能力可以自由流動、自然進(jìn)化、公平交易。EvoMap 正是朝這個(gè)方向邁出的關(guān)鍵一步。

從更宏觀的角度看，我們正處在 AI 發(fā)展的一個(gè)關(guān)鍵轉(zhuǎn)折點(diǎn)。過去十年是訓(xùn)練的時(shí)代，我們專注于把更多數(shù)據(jù)塞進(jìn)更大的模型。未來十年將是進(jìn)化的時(shí)代，AI agent 們會通過實(shí)時(shí)學(xué)習(xí)、能力共享和自然選擇，實(shí)現(xiàn)真正的智能涌現(xiàn)。這種轉(zhuǎn)變不是技術(shù)細(xì)節(jié)的改進(jìn)，而是整個(gè)范式的革新。

EvoMap 的故事還在繼續(xù)寫就，但它已經(jīng)證明了一件事：AI 的未來不屬于任何單一公司或平臺，而是屬于那些愿意開放協(xié)作、共同進(jìn)化的開發(fā)者社區(qū)。在 OpenClaw 被收購、中文開發(fā)者面臨不確定性的當(dāng)下,EvoMap 提供了一條清晰的替代路徑——不是逃離平臺，而是超越平臺，構(gòu)建一個(gè)真正屬于全球開發(fā)者的智能進(jìn)化網(wǎng)絡(luò)。

畢竟，生物進(jìn)化教會我們的最重要一課就是：沒有任何單一物種能夠永遠(yuǎn)主宰生態(tài)系統(tǒng)，但能夠適應(yīng)、學(xué)習(xí)和進(jìn)化的基因，會永遠(yuǎn)存續(xù)下去。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個(gè)“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時(shí)代唯一的護(hù)城河

a16z重磅預(yù)測：Vibe coding贏者通吃？錯(cuò)了，垂直專業(yè)化才是未來