我让OpenClaw学会了像hermes一样＂自进化＂——且可控的AI Agent成长系统

前段时间看到 Hermes 社区大肆鼓吹“自进化”概念，但我认为这与 OpenClaw 的生态哲学大不相同。OpenClaw 拥有如此深厚的生态积淀和维护群体，进化方法有的是，关键在于如何进化。

根据社区反馈，Hermes 的进化逻辑太“野”了——它是激进且不可预测的，有时学到的所谓“经验”甚至会将系统带偏。而我追求的是：可控的自进化。

在吸收了各种自进化设计经验后，我花了 2 周时间对 吸取一些skill经验 进行了深度改造，将其打造为一个“会吃一堑长一智”的系统。在这个系统里，每一次纠正都被精确记录，每一个重复的错误都被聚类分析，而每一步进化都必须经过我的确认。

今天，我把这两个月的设计思考和盘托出，分享我开发的这个 Skill：self-improvement-loop，由1个hook、5个机械脚本、1个md文档组成。相比目前官方下载量最高的自进化 Skill(self-improving-agent)，self-improvement-loop它的能力大大超前。与 Hermes 的“黑箱进化”不同，我这个 Skill 核心在于可控性。

我之所以没有设计skill让 OpenClaw 进行“全自动递归改进”，是因为这件事目前不仅不能做，我也不推荐做。要实现真正有效的进化，必须满足两个前提：

1.模型处于顶级第一梯队（智力足以审视自身错误）；

2.进化目标必须与 Agent 职责及主人期望严密对齐。

否则，它只会把工作流改得一团乱，到时你只能蒙在被子里哭。对齐目标不仅需要模型好，更需要精细的调教，而这种调教能力并非人人具备。

所以我主张采取一种**“审核制进化”**而非“全自动进化”。AI 的自我进化如果不加约束，本质上就是一种“高智商的失控”。我没有设计让它每晚主动吸取记忆，因为配合 OpenClaw 现有的“梦境”机制，该 Skill 已经能完美实现持久型 Agent 的技能规范进化、规则 MD 进化。

若需要安装，给公众号发送”自进化”，可获得clawhub该skill的安装链接，进去让agent使用脚本安装即可。

该skill请看详细图文演示：