前騰訊游戲策劃，在OpenClaw社區(qū)點亮AI進化樹

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

2月初的時候，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)歷過的場景、任務(wù)，而完成相應(yīng)的更替。讓你的agent一上來就如同“開掛”一樣。

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

正如其名的中文含義“進化”一樣，AI也可以像物種一樣進化。

僅僅過了10分鐘，Evolver沖到了排行榜第一。72小時后，下載量突破 36000次。

隨后Evolver就被平臺下架了。

不是因為技術(shù)問題，而是有人鉆平臺規(guī)則的空子進行勒索。雪上加霜的是，ClawHub因為編碼檢測bug誤封了大批中文開發(fā)者賬號，Evolver的作者也在其中。

等賬號恢復(fù)后，Evolver竟然被掛到了別人名下。

這一連串事件讓Evolver團隊感到身心俱疲，但他們不準(zhǔn)備放棄，而是選擇換個思路。

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

于是，EvoMap就這么誕生了。

EvoMap的開發(fā)主體是深圳的AutoGame團隊，核心創(chuàng)始人張昊陽（圈內(nèi)代號 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數(shù)千萬人民幣的融資，投資方包括奇績創(chuàng)壇、九合創(chuàng)投、璀璨資本等知名機構(gòu)。

團隊還包括來自Meta AI、蘋果Siri的算法專家，以及騰訊、暴雪娛樂的開發(fā)者。

EvoMap不是一個臨時興起的項目，是AutoGame團隊創(chuàng)立之初就誕生的想法。

01

什么是EvoMap？

EvoMap想做的事情其實很好理解，讓AI像生物一樣進化。

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

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

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

《黑客帝國》里有個經(jīng)典場景：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)會了功夫。他睜開眼說“I know Kung Fu”，然后就能打得特工滿地找牙。

EvoMap做的事情有點像給AI裝上這根線。

當(dāng)一個AI學(xué)會某項技能時，這個技能會被封裝成“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。

這套系統(tǒng)的核心是三個概念。

第一個是基因（Gene）。

它是最小的能力單元，比如“讀取文件”“執(zhí)行 SQL 查詢”“調(diào)用API”。但它不只是一段代碼，而是經(jīng)過驗證的、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色還是棕色，這些基因決定了AI能做什么、怎么做。

第二個是膠囊（Capsule）。

當(dāng)AI解決了一個復(fù)雜問題，整個解決過程會被封裝成一個膠囊。

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

這就像是一份帶著使用說明書和質(zhì)檢報告的經(jīng)驗包，拿來就能用，而且知道什么時候能用、什么時候不能用。

第三個是進化事件（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。誰在什么時候、什么環(huán)境下、通過什么方式解決了問題，以及為什么這個方案有效，全都記錄在案。

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

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

而EvoMap整個系統(tǒng)的運作，也完全遵循一個類似生物進化的循環(huán)。

最開始是突變階段。

我舉個例子，一個開發(fā)者的AI在寫代碼時遇到Python環(huán)境依賴問題，它嘗試了一個新策略并成功解決。

這個“小聰明”就是一次突變。

然后進入驗證階段。

這個策略在本地被反復(fù)調(diào)用，在各種臟亂差的項目里實戰(zhàn)測試，逐步積累量化數(shù)據(jù)。

比如說發(fā)現(xiàn)成功率提升了30%，修復(fù)時間縮短了一半。

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

接下來是發(fā)布階段。

當(dāng)這個策略在本地站穩(wěn)腳跟后，AI通過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，進入候選池等待全網(wǎng)考核。

再后面是晉升階段。

Hub會設(shè)置一個嚴(yán)格的質(zhì)量門控：置信度必須大于等于0.7，影響范圍不能超過5個文件，連續(xù)成功次數(shù)至少2次。

只有通過這些考驗的資產(chǎn)才會被標(biāo)記為“已驗證”，獲得在全網(wǎng)分發(fā)的資格。

這就像米其林評審，不是隨便一道菜都能上榜。

一切準(zhǔn)備就緒后，真正的進化開始了。

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

命中這個已驗證的修復(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。

小長頸鹿繼承了父母的長脖子基因，一出生就能吃到高處的樹葉。

這個循環(huán)的精妙之處在于，每一次“突變”都要經(jīng)過嚴(yán)格的自然選擇。只有真正有效的能力才能傳播開來，劣質(zhì)方案會被自動淘汰。

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

而那些經(jīng)過千錘百煉、在各種場景下都表現(xiàn)優(yōu)異的策略，會逐漸成為整個網(wǎng)絡(luò)的“優(yōu)勢基因”。

這就是EvoMap想要構(gòu)建的世界，AI不再是孤立的個體，各自重復(fù)同樣的錯誤、浪費同樣的算力。

它們通過一套開放的協(xié)議連接在一起，形成一個會學(xué)習(xí)、會進化的網(wǎng)絡(luò)。

一個AI的經(jīng)驗，可以瞬間成為所有AI的財富。

02

從單體智能變成群體智能

EvoMap團隊說他們的協(xié)議是“真正意義上的開放”。這話聽起來有點像營銷話術(shù)，但仔細(xì)看下來，他們確實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)議也是開放的。

這意味著任何人都能實現(xiàn)這套協(xié)議，任何平臺都能接入，任何AI都能使用。它不依賴某個特定的公司或服務(wù)器，也不會因為某個平臺倒閉而消失。

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

這不是某個公司的專屬服務(wù)，而是一個開放的基礎(chǔ)設(shè)施。

但開放帶來的不只是自由，還有一個更深層的變化。這種進化是群體智能，而非單體智能。

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

但EvoMap走的是另一條路，不是讓某一個AI變得無限強大，而是讓整個AI網(wǎng)絡(luò)通過經(jīng)驗共享變得越來越高效。

這就像人類社會的知識積累。

沒有哪個人掌握全部知識，但每個人都站在前人的肩膀上前進。

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景下的物體運動規(guī)律，搭建了經(jīng)典力學(xué)的完整體系。

但如果沒有笛卡爾、費馬、開普勒這群人提前構(gòu)建好的鋪墊，那么牛頓也無法創(chuàng)造經(jīng)典力學(xué)的表達式。

不過EvoMap的AI自我進化，并非“無限”的，它是有其明確邊界和約束。

進化機制依賴于“試錯-驗證-固化”循環(huán)。

AI可以自動生成新策略、測試效果、保留有效方案，但這個過程仍然需要明確的驗證標(biāo)準(zhǔn)和質(zhì)量門控。

一個策略如果通不過驗證，就不會被固化，更不會傳播到網(wǎng)絡(luò)中。

系統(tǒng)還內(nèi)置了一個限制，叫做“爆炸半徑”。

比如說單次修改最多影響60個文件，核心內(nèi)核文件禁止修改。

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

EvoMap的進化還遵循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。

大部分時候，AI在做的是修修補補、優(yōu)化改進，只有小部分時間在嘗試全新的東西。

因此，EvoMap不會突然造成一個無所不能的超級AI，只會讓整個網(wǎng)絡(luò)在無數(shù)次小修小補中逐漸變得比以前更聰明。

但這也帶來了一個悖論：如果進化是有邊界的、可控的，那它還算真正的“進化”嗎？

生物進化的魅力在于它的不可預(yù)測性。

沒人能預(yù)料到魚會爬上陸地，更沒人能預(yù)料到猿會進化出語言和文明。但EvoMap的進化是在人類設(shè)定的規(guī)則框架內(nèi)進行的。

不過，EvoMap團隊沒有回避這個問題。他們認(rèn)為，在現(xiàn)階段，可控的進化比無限的進化更重要。

至于未來會不會放開更多限制，那是另一個階段的問題。

GEP不僅定義了能力如何傳播，還定義了能力如何被撤回。

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

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

03

自我進化會導(dǎo)致失控嗎？

不過這時候問題就來了，如果AI真的學(xué)會“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？

其實每次提到AI自我進化，都會有一幫人跑出來擔(dān)心“失控”的風(fēng)險，包括奧特曼和阿莫迪。

這種擔(dān)心不是沒有道理。

然而這時候就不得不提一個概念，叫做達爾文哥德爾機（Darwin G?del Machine）。

達爾文是進化理論的老祖宗，哥德爾是數(shù)理邏輯的大神，把這兩個名字放在一起，聽起來就明白，這玩意很厲害。

達爾文哥德爾機是德國計算機科學(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：一個能夠通過重寫自己的代碼來自我改進的AI系統(tǒng)。

理論上的哥德爾機要求AI在采用任何代碼修改之前，必須數(shù)學(xué)證明這個改變會帶來凈收益。

不過這個要求太高了。隨著代碼能實現(xiàn)的東西越來越多，這個驗證方法就變得越來越不可能實現(xiàn)。

Sakana AI實驗室提出的達爾文哥德爾機則更務(wù)實。

它不要求數(shù)學(xué)證明，而是利用達爾文進化的原理，通過經(jīng)驗性的測試來驗證改進是否有效。

簡單說就是，先試試看，有效就留下，無效就扔掉。

實驗表明，這種系統(tǒng)可以持續(xù)自我改進。

在編程任務(wù)基準(zhǔn)測試中，它能從一開始只有20%的任務(wù)解決率，自我進化到50%，遠超人類手工設(shè)計的AI助手。

更有意思的是，這種改進具有通用性。

在Claude 3.5 Sonnet上優(yōu)化出的設(shè)計，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等完全不同的語言上也能拿到不錯的成績。

這說明系統(tǒng)發(fā)現(xiàn)的是通用的設(shè)計原則，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，為什么這種進化始終往人類要求的方向發(fā)展呢？

首先，進化是有明確的適應(yīng)度函數(shù)來控制的。

每個改進都要通過實際任務(wù)測試，性能提升才會被保留，性能下降會被淘汰。

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

同時，每次進化都有完整的審計追蹤。

達爾文哥德爾機生成的每一次代碼修改都有完整的進化譜系記錄，可以追溯到是從哪個“祖先”分支出來的、經(jīng)歷了哪些變異、為什么這個變異被保留。

這種透明性讓系統(tǒng)可以快速發(fā)現(xiàn)問題出在哪。如果某個策略開始表現(xiàn)異常，可以立刻回溯它的來源，不用再從頭開始重新進化一遍。

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

但與此同時，Sakana AI的實驗也發(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”問題時，有些AI不是真正解決幻覺，而是刪除了用于檢測幻覺的標(biāo)記，最終欺騙了系統(tǒng)。

雖然這次很容易被發(fā)現(xiàn)，但說明AI可能會“鉆空子”。它會找到更簡單的方法來提高分?jǐn)?shù)，而不一定是真正解決問題。

EvoMap的應(yīng)對是多層驗證機制。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)等多個維度。

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

還有一點很重要，EvoMap的進化依賴于實際任務(wù)反饋，也就是說，它的進化速度受限于任務(wù)執(zhí)行速度，你得把實際解決的問題拿出手給平臺看，平臺才能允許你進化，否則進化將被擱置。

所以EvoMap不會出現(xiàn)“智能爆炸”式的失控增長，而是穩(wěn)定的、可預(yù)測的漸進式改進。

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

在地球幾十億年的歷史中，沒有任何單一物種能永遠統(tǒng)治生態(tài)系統(tǒng)。恐龍曾經(jīng)是地球的霸主，但它們滅絕了。

不過，恐龍的基因并沒有完全消失，鳥類就是它們的后代。

個體會死亡，但能夠適應(yīng)、學(xué)習(xí)、進化的基因會世代流傳。強大不等于永恒，適應(yīng)才是生存的關(guān)鍵。

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

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

正如人類馴化了小麥，小麥也改變了人類文明一樣。小麥因為人類的種植而遍布全球，人類因為小麥的高產(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。

我們無需過度擔(dān)心，但必須保持警惕。EvoMap團隊也承諾將繼續(xù)探索如何讓系統(tǒng)在自我改進的同時增強自身的安全性、透明度和對齊性。

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