夜雨聆风AI AGENT EVOLUTION REPORT
AI Agent 自进化项目深度分析
从 Markdown 自演化、后台复盘、经验结晶，到 GEP 基因进化与工作流优化，五个代表项目正在把“Agent 会不会自己变强”这个问题推到台前。
数据截止时间：2026 年 6 月 24 日分析依据：各项目 GitHub 最新源码
- 这次选题其实在早就想做了，因为本人太懒，拖到了现在...
- 精选五个Github热门的 Agent 项目。
- 本次没有冗长的源码分析内容，都是针对性分析后的结论，放心食用。
一、自进化不是“我记住了”
自动化
无需人工干预完成进化循环，用来区别“自我变强”和“人工调教”。
泛化能力
能从具体经验里提炼通用规则，不只是把老案例翻出来再演一遍。
验证机制
系统性验证进化结果有效性，避免“一次成功就写进祖训”。
固化能力
把经验沉淀成可重用资产，而不是只在当前会话里灵光一闪。
迭代闭环
进化结果还能被后续进化继续优化，区别于一次性改良。
二、有请选手上桌
OpenClaw
380,169 Starsv2026.6.10Other
Hermes Agent
201,089 Starsv2026.6.19 / v0.17.0MIT
Evolver
8,746 Starsv1.89.17GPL-3.0
GenericAgent
13,026 Starsdesktop-portable-v0.1.3MIT
EvoAgentX
3,088 Stars2026-06-23 最后推送Other
三、OpenClaw：文档控，秩序感很重
OpenClaw 的核心，是一套工程化程度很高的 Markdown 文件驱动体系。
AGENTS.md 定义行为规则，SOUL.md 定义个性灵魂，MEMORY.md 承载长期记忆，TOOLS.md 规范工具使用，.learnings 目录记录学习、错误与反馈。
它的进化不是直接修改核心模型，而是围绕“配置即代码”展开：
Context Engine 负责加载配置；Crestodian 负责守护、审计、探针检测与操作执行。
事件记录、信号检测、进化触发、进化执行、验证生效，构成了一个完整反馈环。
源码模块
Crestodian 操作层
文件：operations.ts，约 39.7KB职责：执行配置更新、记忆更新、学习记录等进化动作。
Crestodian 概览层
文件：overview.ts，约 11.4KB职责：把当前进化状态、上下文状态整理成可读视图。
探针与审计
文件：probes.ts、audit.ts职责：识别重复错误、用户反馈、性能信号，并保留可追溯记录。
上下文引擎
文件：registry.ts，约 33KB职责：管理上下文提供者，把 Markdown 配置装进运行时。
这套设计的长处是可控、可审计、可跨会话复用。
坏处也很明显：它更擅长“把经验写进制度”，不太擅长从很多案例里自己炼出一条高泛化策略。
Self-Evolve 元技能可以让它更主动，ClawHub 也带来了社区技能市场，但这部分不是默认能力。它强在工程治理，不是在进化深度。
进化评级：中等进化，偏向工程化。判定：Markdown 驱动的自演化系统，工程化程度最高，生态最完整。
四、Hermes Agent：白天聊天，晚上复盘
Hermes Agent 的进化机制发生在每轮对话结束之后。
系统会 fork 一个后台复盘线程，重放对话快照，并判断是否需要更新记忆或技能。
主对话不会被阻塞，复盘过程与主进程状态隔离，工具也被限制在记忆和技能管理范围内。
它的两大复盘目标分别是 Memory Review 和 Skill Review。
前者关注用户偏好、身份、工作风格和值得记住的细节；
后者关注是否需要更新当前技能、伞状技能、支持文件，或创建新的类级别技能。
它的后台复盘有四个工程特征：
daemon thread 异步执行，不挡用户对话；fork 出来的子进程隔离状态，不把主进程搞炸；工具白名单只允许记忆和技能管理，不让复盘线程到处乱摸；同模型复盘时还能复用 prompt cache，成本更低。
这个设计很实用，像给 Agent 装了一个“下班复盘小组”。
后台复盘
Memory Review
关注：用户身份、偏好、工作方式、希望 Agent 如何配合。产物：写入 memory store，下一轮继续用。
Skill Review
关注：风格纠正、流程纠正、非平凡技术路径、技能缺漏或过时。产物：更新技能、补 references/templates/scripts，必要时创建类级技能。
Skill 更新还有优先级：先补当前已加载技能，再找已有伞状技能，再加支持文件，最后才创建新技能。
Bundled skills、Hub-installed skills 不能随便改，Pinned skills 可更新但不可删除。
看得出来，Hermes 很怕自己复盘复嗨了，写出一堆奇怪资产。
v0.17.0 还补了不少进化相关能力：
background subagentsCurator 成本优化memory 工具原子批量操作aux-model routingdigest 模式
它确实越来越像一个会在后台整理经验的系统。
只是它的验证偏弱，很多内容更接近“用户说了，所以记下”，还没有形成足够强的通用规则筛选。
进化评级：弱进化。判定：偏好记忆系统，更像外挂知识库，不太像真正的能力成长。
五、Evolver：别人写心得，它压成基因
Evolver 的核心是 GEP，也就是 Genome Evolution Protocol。
它不是把经验写成冗长文档，而是把经验压缩为 Gene 和 Capsule 这样的进化资产。
Gene 是更紧凑的核心进化单元，Capsule 则承载更完整的上下文。
它的闭环分为四步：SCAN 提取行为模式，VALIDATE 控制变量并验证原因，MUTATE 从具体案例泛化规则，SOLIDIFY 将候选固化为正式资产。
EvolutionEvent 记录进化前后状态、原因、过程和结果，支持审计和追溯。
GEP 四步怎么跑
SCAN
动作：从对话、日志、错误、反馈中提取行为模式。
文件：collect.js、signals.js、conversationSniffer.js。MUTATE
动作：把具体案例变成候选基因，尝试泛化。
文件：candidates.js、autoDistillLlm.js。VALIDATE
动作：评估通用性、稳定性、性能提升和安全性。
文件：candidateEval.js、select.js。SOLIDIFY
动作：把候选固化为 Gene / Capsule，并生成审计记录。
文件：assetStore.js、contentHash.js。它不是随手存一条经验，而是在做“信号收集、经验蒸馏、候选评估、资产固化”这一整套事。
代码量不会自动等于质量，但这里至少说明：它把进化当成主菜，不是配菜。
这里还有个 A2A 协议，src/gep/a2aProtocol.js 约 829KB，用来做 Agent 间进化资产交换。
这个方向很关键：一个 Agent 进化完，不只是自己变聪明，还能把 Gene / Capsule 这类资产拿出去共享。
再配上 EvoMap Hub、进化排行榜和策略预设，Evolver 已经把“单体变强”往“群体遗传”方向推了一步。
它也不是没有阴影，src/evolve.js 存在代码混淆，项目也计划从完全开源转向 source-available。
原因是同赛道项目出现相似设计后，团队开始保护自己的工作。开源理想和商业防御撞在一起，这事不漂亮，但很现实。技术真有价值时，江湖就不会一直岁月静好。
另外给出一组它的学术支撑数据：
论文《From Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution》进行了 4,590 次对照实验，覆盖 45 个科学代码求解场景，并显示 Gene 表示比文档导向 Skill 包更稳定、更适合迭代积累。
实验数据：
在 CritPt 基准上，基因进化系统将基础模型从 9.1% 提升到 18.57% 另一组从 17.7% 提升到 27.14%
进化评级：强进化。判定：基因进化引擎，目前唯一跑出完整自动化进化流程的项目。
六、GenericAgent：东西少，胆子大
GenericAgent 是极简派，口号也很硬：Don’t preload skills, evolve them。
它只有 9 个原子工具，主循环约 100 行。
乍一看像“这也敢上桌？”再看一眼，发现它确实有点东西。
它靠他的的五层记忆，分别是：
L0 元规则
用途：基础行为规则和系统约束。角色：地基，通常不频繁变化。
L1 洞察索引
用途：最小记忆索引，用来快速召回。角色：像目录，负责把经验找出来。
L2 全局事实
用途：稳定事实和长期知识。角色：沉淀背景知识。
L3 任务技能 / SOP
用途：特定任务类型的可复用流程。角色：进化资产主要落在这里。
L4 会话归档
用途：完成会话后的任务记录。角色：结晶 SOP 的原料。
它的 9 个原子工具也很克制：
code_runfile_readfile_writefile_patchweb_scanweb_execute_jsask_userupdate_working_checkpointstart_long_term_update
最有意思的是 start_long_term_update，长期记忆更新本身也是一种工具调用。也就是说，进化不是藏在某个神秘后台，而是和读文件、写文件、跑代码一样，被摆在工具桌上。
memory/ 目录里大量 *_sop.md 文件，就是它的“经验结晶”。比如
autonomous_operation_sop.mdchecklist_sop.mdcode_review_principles.mdgithub_contribution_sop.md
任务执行成功后，系统从具体路径里提炼步骤、注意事项和常见坑，再写入 L3。这个机制很朴素，也很像人类团队里的 SOP 沉淀。
它的问题在验证，GenericAgent 默认把“任务成功”当成经验可沉淀的依据，这比纯粹记忆强，但没有像 Evolver 那样做候选评估、去重、版本审计和多策略验证。
所以它能长经验，也容易长出质量不齐的经验。
这个系统像一个聪明的实习生，笔记写得快，但还需要资深工程师偶尔拍拍桌子：这条别写进规范，容易带坏后人。
进化评级：中等进化。判定：经验沉淀系统，可以把成功经验结晶成 SOP，只是质量还不够稳。
七、EvoAgentX：调参很认真，进化还差点
EvoAgentX 更像一个 Agent 工作流调优器。
它通过 TextGrad、AFlow、MIPRO 等优化算法，对 prompt 和工作流结构进行迭代优化，再由 Evaluators 提供评估指标和反馈信号。
它的优势在于评估体系明确，支持准确率、效率、成本等维度，也支持人在回路。
但它的问题也很清晰：优化结果更多是特定任务下的 prompt 或工作流参数，并没有固化为可积累、可遗传的进化资产。
优化器分工
TextGrad
文件：textgrad_optimizer.py作用：把文本看成可优化对象，用文本反馈指导 prompt 调整。
AFlow
文件：aflow_optimizer.py作用：优化 Agent 工作流拓扑，寻找更合适的执行路径。
MIPRO
文件：mipro_optimizer.py作用：通过黑箱评估和自适应重排序优化提示词。
其他路线
文件：evoprompt、map_elites、sew 等。作用：覆盖更多 prompt 搜索和结构优化策略。
EvoAgentX 的目录很完整：
actionsagentsbenchmarkcoreevaluatorsframeworkshitlmemorymodelsoptimizerspromptsragstoragestoolsworkflow
它像一个学术工具箱，东西齐，姿势正，benchmark 和 evaluator 也摆得明明白白。
对于“如何把一个 Agent 在某个任务上调得更好”，它很有价值。
HITL（即人在回路）的目录也说明了一件事：它允许人介入优化过程，人工审核、确认和反馈都能参与。
这能提高质量，但会压低自动化程度。
再加上优化结果主要落在 prompt 和工作流结构上，不像 Gene、Capsule、SOP 那样形成稳定可继承资产，所以它更像“工作流调优器”，不是“会遗传经验的 Agent”。
学术侧它也不弱，论文 arXiv:2507.03616，发表在 EMNLP 2025 Demos。
只是学术强不等于进化强。
它的验证机制比 Hermes 和 GenericAgent 清楚很多，但固化能力弱，迁移性也有限。
换个任务场景，很多优化结果就要重新跑，累是真累，进化味就淡了点。
进化评级：弱进化。判定：工作流调优器，能提升表现，但离能力进化还有距离。
八、真假进化判定
假进化：Hermes Agent、EvoAgentX
Hermes Agent 更像用户偏好的持久化存储；EvoAgentX 更像 Agent 工作流的超参数调优。二者都能改善表现，只是缺少那种可以积累、可以迁移、可以继续长大的进化资产。
半进化：GenericAgent、OpenClaw
GenericAgent 有经验结晶，OpenClaw 有配置加载、执行、记录、提升、再加载的回路。它们已经不像普通记忆系统那么浅，但泛化深度、验证强度和持续质量评估还不够狠。
真进化：Evolver
Evolver 有自动化进化流程，有 Gene/Capsule 资产，有候选评估、多策略验证、审计追溯、GEP 标准和 A2A 协议。它不是在写成长日记，它是真的在把经验做成可流转的资产。
九、横向对比
十、最后会走向哪里
现在大多数 Agent 还在单体进化阶段，像一个人关起门来练功。
真正有想象力的地方，是进化成果能不能跨个体共享。
一个 Agent 踩过的坑，另一个 Agent 不用再踩。前人栽树，后人少报错。
这事已经有影子了：Evolver 有 GEP 标准、Hub 模式和 A2A 协议，OpenClaw 有 ClawHub 技能市场。
下一步要补的，是标准协议、质量评估、分布式进化网络和水平基因转移。
没有这些，大家各练各的，练到最后还是鸡同鸭讲。
总结一下
五个项目看下来，Evolver 最像“真在进化”的那一个。
OpenClaw 和 Hermes 星数更高，生态更热，但进化机制相对浅一些。Evolver 星数小，机制却更往里走。热闹和深度，有时候真不是一回事。
GenericAgent 的极简路线很有意思，像拿一把小刀进山，工具少，路子野，成败全看经验怎么沉淀。
EvoAgentX 的评估和优化能力很强，只是它更像调参师傅，不像遗传工程师。
这条路最后不会停在“我这个 Agent 变强了”。
真正的看点，是一群 Agent 能不能共享进化成果。
到那时候，智能不再只靠单点爆发，而是靠一代一代留下来的经验资产往前滚。
数据准确性说明
所有数据均来自各项目 GitHub 仓库的最新源码
数据截止时间为 2026 年 6 月 24 日。
OpenClaw 基于 v2026.6.10；Hermes Agent 基于 v2026.6.19 / v0.17.0；Evolver 基于 v1.89.17；GenericAgent 基于 desktop-portable-v0.1.3；EvoAgentX 基于 2026 年 6 月 23 日最后推送的 main 分支。