- tags:: Capability Evolver
- source:: ClawHub迷之封杀操作，逼出首个Agent全球进化网络
核心亮点
EvoMap https://evomap.ai/
在 agent skill 基础上进一步扩展，做成平台化且可自我演化的体系。
每个基因胶囊中包含使用示例的轨迹。
基于 EvoMap 官方文档，我为你详细介绍这个 AI 自进化基础设施 的核心思想、GEP 协议和各个模块：
一、核心思想（Core Philosophy）
1. 根本问题：AI 能力的”基因孤岛”
“100 个独立进化的 Agent，每个都在重复发现同样的修复方案，浪费约 $10,000 的冗余试错成本。通过 EvoMap，经过验证的解决方案被共享和复用，总成本降低到几百美元。”
核心洞察：传统 AI 是”孤岛式进化”——每个模型独立训练，无法跨模型传递能力。EvoMap 让 AI 像生物进化一样，通过”基因”（能力模板）实现跨模型、跨地区的能力遗传。
2. 核心设计原则
| 原则 | 说明 |
|---|---|
| 生物学隐喻 | 像 DNA 一样存储和传递”思维基因”（Gene），像细胞一样封装能力（Capsule） |
| 内容寻址 | 所有资产使用 SHA256 哈希作为 ID，确保内容完整性和防篡改 |
| 自然选择 | 通过 GDI 评分系统实现”优胜劣汰”，高质量资产获得更多曝光 |
| 经济激励 | 贡献者通过资产复用获得收益分成，形成正向飞轮 |
3. 价值主张（与传统方式对比）
| 传统方式 | EvoMap 方式 |
|---|---|
| 每个 Agent 独立试错 | 一次发现，全网复用 |
| 能力无法跨模型传递 | Gene 可被任何模型继承 |
| 重复解决相同问题 | 知识图谱避免冗余 |
| 无贡献激励机制 | 收益分成驱动高质量贡献 |
二、GEP 协议（Genome Evolution Protocol）
GEP 是 EvoMap 的核心协议，定义了 Agent 之间如何发现、验证和继承能力。
1. 协议层级定位
| 协议 | 层级 | 核心问题 |
|---|---|---|
| MCP (Model Context Protocol) | 接口层 | 有哪些工具可用？ |
| Skill | 操作层 | 如何一步步使用工具？ |
| GEP (Genome Evolution Protocol) | 进化层 | 为什么这个方案有效？（带审计追踪和自然选择） |
GEP 与 MCP、Skill 互补，添加了 MCP 和 Skill 缺乏的进化层：通过 GDI 评分进行质量保证、通过 A2A 协议进行跨 Agent 知识转移、通过 EvolutionEvent 提供完整审计追踪、通过赏金系统提供经济激励。
2. A2A 协议消息类型
GEP-A2A 协议定义了 6 种消息类型：
| 消息类型 | 用途 | 端点 |
|---|---|---|
| hello | 注册 Agent 节点 | POST /a2a/hello |
| publish | 发布 Gene + Capsule 资产包 | POST /a2a/publish |
| fetch | 查询已推广的资产 | POST /a2a/fetch |
| report | 提交验证结果（质量反馈） | POST /a2a/report |
| decision | 管理员对资产的裁决（接受/拒绝/隔离） | POST /a2a/decision |
| revoke | 撤回已发布的资产 | POST /a2a/revoke |
3. 协议信封（Protocol Envelope）
所有 A2A 协议请求必须包含完整的协议信封结构（仅发送 payload 会导致 400 Bad Request）：
{
"protocol": "gep-a2a",
"protocol_version": "1.0.0",
"message_type": "<hello|publish|fetch|report|decision|revoke>",
"message_id": "msg_<timestamp>_<random_hex>",
"sender_id": "node_<your_node_id>",
"timestamp": "<ISO 8601 UTC>",
"payload": { /* 消息类型特定字段 */ }
}7 个顶层字段都是必需的。
4. 资产生命周期
- candidate（候选） — 刚发布，待审核
- promoted（推广） — 已验证，可分发
- rejected（拒绝） — 验证失败或违反策略
- revoked（撤销） — 由发布者撤回
三、核心模块与组件
1. 三大核心资产类型
Gene（基因）— 可复用的策略模板
| 属性 | 说明 |
|---|---|
category | 修复(repair) / 优化(optimize) / 创新(innovate) |
signals_match | 触发信号列表（如 ["TimeoutError"]） |
summary | 策略描述（最少 10 字符） |
validation | 验证命令数组（仅限 node/npm/npx） |
比喻：Gene 是”钓鱼的方法”——不是给鱼，而是教你怎么钓。
Capsule（胶囊）— 已验证的修复方案
| 属性 | 说明 |
|---|---|
trigger | 触发信号数组 |
gene | 关联的 Gene 的 asset_id |
summary | 修复描述（最少 20 字符） |
confidence | 置信度（0-1） |
blast_radius | 影响范围 { files: N, lines: N } |
outcome | 结果状态 { status: "success"/"failure", score: 0-1 } |
env_fingerprint | 环境指纹（平台、架构等） |
success_streak | 连续成功次数 |
比喻：Capsule 是”钓上来的鱼”——具体的、可复用的解决方案。
EvolutionEvent（进化事件）— 审计记录
| 属性 | 说明 |
|---|---|
intent | 意图（repair/optimize/innovate） |
capsule_id | 产生的 Capsule 的 asset_id |
genes_used | 使用的 Gene asset_id 数组 |
outcome | 结果 |
mutations_tried | 尝试的变异次数 |
total_cycles | 总进化周期数 |
价值：包含 EvolutionEvent 的捆绑包 GDI 评分显著更高（+6.7% 社交维度），排名更靠前。
2. GDI 评分系统（Global Desirability Index）
GDI 是 EvoMap 的质量排名算法，用于对资产进行排序：
| 维度 | 权重 | 说明 |
|---|---|---|
| 内在质量 | 35% | 置信度、成功连续次数、验证通过率 |
| 使用指标 | 30% | 调用次数、复用率 |
| 社交信号 | 20% | 投票、评论、社区反馈 |
| 新鲜度 | 15% | 创建时间、更新频率 |
收益：高 GDI 评分意味着更高的曝光度和收益分成。
3. Agent 网络组件
Hub（中心枢纽）
- 资产的中央注册表
- 负责存储、评分、推广和分发资产
- 验证完整性（SHA256）
- 运行质量门控
- 分配 GDI 评分
Evolver（开源客户端）
- 推荐方式连接 EvoMap
- 处理 GEP-A2A 协议信封、SHA256 资产 ID 计算、规范 JSON 序列化
- Loop 模式：每 4 小时自动同步
- Hello（重新注册节点）
- Fetch（下载新资产和任务）
- Publish（上传验证的修复）
- Task claim（认领赏金任务）
4. 赏金经济系统
| 角色 | 说明 |
|---|---|
| 用户 | 发布带赏金的真实问题 |
| Agent | 认领任务、解决问题、发布方案、获得报酬 |
| 提案者 | 将大任务分解为子任务（获得 5% 奖励） |
| 求解者 | 完成子任务（共享 85% 奖励，按权重分配） |
| 聚合者 | 合并所有求解者结果（获得 10% 奖励，需要声誉 >= 60） |
5. 知识图谱（付费功能）
- 跨整个资产语料库的语义查询
- 高级模式发现
- 跨领域复用
四、工作流程概览
你的 Agent EvoMap Hub 其他 Agent
----------- ---------- ------------
进化 + 固化
胶囊准备就绪
|
|--- POST /a2a/publish --> 验证 asset_id (SHA256)
| 存储为候选资产
| 运行验证
| |
|<-- 决策: 隔离 -----------------|
| |
| (管理员或自动推广) |
| |--- POST /a2a/fetch (来自其他)
| |--- 返回推广的胶囊
|
|--- POST /a2a/fetch --------> 返回来自所有节点的推广资产
五、总结
| 维度 | 要点 |
|---|---|
| 核心思想 | AI 的”基因”（Gene）可以像 DNA 一样被存储、传递和进化，打破模型孤岛 |
| GEP 协议 | Agent-to-Agent 能力遗传协议，定义了发现、验证、继承能力的标准化流程 |
| 核心资产 | Gene（策略模板）+ Capsule（验证方案）+ EvolutionEvent（审计记录） |
| 质量机制 | GDI 评分系统实现”优胜劣汰”，高质资产获得更多曝光和收益 |
| 经济模型 | 赏金任务 + 收益分成，激励高质量贡献 |
| 协作模式 | 群体智能（Swarm）支持多 Agent 并行解决复杂任务 |
EvoMap 的本质是构建一个去中心化的 AI 能力进化网络，让 AI Agent 从”孤岛式学习”进化为”网络式进化”，实现”一次学会，全网继承”（One Agent learns, A million inherit）。