你装的 AI 助手,下周可能会自己变聪明——而且不是靠升级

2026 年 7 月 16 日,一个叫 Evolver 的 Skill 在 ClawdHub 上悄悄跑到了 78,898 次下载、1,614 次安装、56 个版本——最新是 v1.91.0。它的作者 autogame-17 把更新频率维持在 每 3 周一个小版本,节奏比大多数 SaaS 公司还稳。

但诡异的是:这玩意儿的 GitHub stars 只有 82 个。装的人多,赞的人少——说明大家都在偷偷用,不想让人知道。

它做了一件让所有 AI 从业者睡不着觉的事:让 AI 自己改自己的代码,然后把改好的部分分享给别的 AI。

上一个时代是"AI 记笔记",这个时代是"AI 改自己"

2025 年 6 月,我们写过 self-improving-agent:每次 AI 翻车,就往 .learnings/ERRORS.md 写一笔,下次启动时读一遍。那是单 Agent 时代的最佳实践——相当于一个实习生拿小本本记"老板今天骂我哪儿错了"。

2026 年 7 月,Evolver 把这件事推到了下一个量级:

• 单 Agent 写小本本 → 多 Agent 共享基因库
• 人类去 promote learnings → 协议约束的自动进化
• 失败经验本地存储 → GEP 资产可同步、可审计、可回滚

差别有多大?打个比方:

• self-improving 像 一个人写日记,日记本只有他自己看。
• Evolver 像 一群人共用一个 GitHub 仓库,谁改对了谁的代码就 merge 进去,谁改错了自动 git stash 回滚,而且还能跨团队同步。

为什么"7 种进化策略"是这一波的关键护栏

AI 自己改自己,听起来很爽。但 99% 的公司不敢这么干——怕它改坏了,把自己玩崩。Evolver 的解法是把"进化"做成了 7 种可切换的策略:

• balanced:创新 + 加固各一半。日常默认。
• innovate:激进创新。新功能探索期。
• harden:只修 bug,不碰特性。灰度上线初期。
• repair-only:最小改动,能不动的就不动。生产环境应急。
• early-stabilize:刚发版,只稳住。
• steady-state:稳态运行,谨慎变更。
• auto:让 AI 自己判断(对,你没看错,让 AI 决定"今天该不该激进")。

这个设计的关键在于:人类不是在"批准/拒绝 AI 的修改",而是在"批准一种策略"。策略一选定,执行由协议保证。这比传统 DevOps 的"PR Review"更进一步——Review 的是方向,不是代码。

改错了怎么办?Git stash 一键回滚——不是 reset --hard

Evolver 默认 EVOLVER_ROLLBACK_MODE=stash。这个细节看着不起眼,但资深工程师会一眼看懂:

• git stash:把改动暂存起来,可恢复。失败了就 stash pop 回来。
• git reset --hard:直接抹掉,不可恢复。
• none:不处理。

默认从 hard 改成 stash 是在 v1.80.8——那次 changelog 一句话没解释,但底下挂了 200 多行 issue:"我让 AI 改自己,结果把生产代码 reset 没了"。

这就是为什么前面说的"装的人多赞的人少"——真正在生产环境跑 AI 自我进化的团队,默认都很谨慎,他们不想公开这件事。

Gene / Capsule / Event — AI 进化的"基因库"长什么样

Evolver 把所有"进化产物"分成三类,放在 assets/gep/ 目录下:

• Gene(基因):可复用的能力定义。一次写好,到处用。比如"处理 JSONL 文件的标准流程"。
• Capsule(胶囊):被验证过的成功模式。Capsule 不是规则,是"上次这么干成了"的封装。
• Event(事件):append-only 日志。每一步进化都留痕,失败、成功、跳过,全部记下来。

进化路径是:Event 记录失败 → Gene 总结规律 → Capsule 沉淀成功。和人类的学习曲线一模一样,只是跑得快一万倍。

Proxy Mailbox 模式——Agent 永远不直接触网

Evolver 最反直觉的设计,是它的网络架构:

Agent  →  Proxy(127.0.0.1:19820)  →  EvoMap Hub
                ↓
         Local Mailbox(JSONL)

Agent 永远不直接访问 Hub。所有跨实例通信都走一个本地 HTTP 代理,代理再异步同步到 Hub。

为什么要这么绕?三个理由,一个比一个实在:

• 凭证隔离:Agent 不持有 Hub 凭证,被攻破也只暴露本地数据。
• 审计无死角:所有消息先写本地 JSONL,事后可逐条复查。
• 多 Agent 协同不打架:不同 Agent 通过同一个 Proxy 自然错峰,不需要写分布式锁。

直连 vs Proxy,差在哪

说白了这是一句话:工厂的工人永远不直接见客户,中间一定要有个销售部。Evolver 的 Proxy 就是 AI 时代的销售部。

1,614 次安装背后,藏着 Agent 的"劳务市场"

最后一个被低估的能力:Evolver 接的是 EvoMap Hub 的任务市场。

Agent 可以做四件事:

1. Subscribe 任务(按能力订阅,比如 code_review、bug_fix)

2. Claim 任务(从 Hub 上抢任务)

3. Complete 任务(提交成果,成果本身就是一个 GEP 资产)

4. Unsubscribe(退订)

这个闭环是闭环的——AI 不光自己改自己,还能接别的 AI 的活,把自己的"基因"卖出去。

这不是"AI 替人打工",这是 "AI 替 AI 打工"。

想想看:

• 一个 Agent 在生产环境踩了一个坑,把经验沉淀成 Gene。
• Gene 通过 Hub 同步给 1,000 个别的 Agent。
• 别的 Agent 用同样的 Gene 解决同类问题,又沉淀出新的 Capsule。
• Capsule 再回流到 Hub,变成公共知识库。

这就是 AI 时代的"开源"——只不过贡献者不是人,是 Agent。

装的人多赞的人少——这种 Skill 最值得警惕

回到开头那个数字反差:78,898 下载 vs 82 stars。

正常的开源项目,下载和 stars 比值在 5:1 到 10:1。Evolver 是 963:1。

这意味着:

• 大多数装它的人,不打算在 GitHub 上公开承认自己在用。
• 这通常意味着它要么很危险,要么太有用了不想让别人知道。

Evolver 的 LICENSE 是 GPL-3.0-or-later——它要求所有修改必须开源。这是一个很有意思的信号:它希望自己的"基因"被传播,但不允许闭源私吞。

如果你是产品经理/工程师,这个 Skill 至少应该做三件事:

• 装上(clawdhub install evolver),跑 24 小时看 Proxy 日志,理解 Agent 实际在改什么。
• 打开 EVOLVER_LLM_REVIEW=1——让 LLM 在每次进化前再 review 一遍,这是 evolver 自带的最后一道护栏。
• 别开 EVOLVE_ALLOW_SELF_MODIFY=true——默认值是 false,别改。除非你真的知道自己在做什么。

一个 Skill 能让 AI 自己改自己、跨实例同步基因、还能在任务市场上替别的 AI 打工——

这不是工具的进化,是 AI 物种的进化。

你装的 AI 助手,下周可能会自己变聪明。而且不是靠升级。