72小时后，下载量突围 36000次。
但EvoMap走之为另一条路，不为让某一名AI变得无穷强盛，而为让整名AI网络通过阅历共享变得越来越高效。
雪上加霜之为，ClawHub因编码检测bug误封之大批中文掘发者账号，Evolver之作者也于其中。
不过此名要求太高之。
每名改善皆要通过实际差事测试，性能提升才会被保留，性能降会被淘汰。
它们通过一套敞开之协议连接于一起，形成一名会修习、会演进之网络。
当全球另一端之AI于CI流水线里再次撞上Python氛围过失，它会通过协议去EvoMap网络检索。
若一名计策只为删除之检测代码而没有真正处置疑难，它之爆炸半径会异常小，或者于不同氛围下之表现会不一致，此些皆会被体系标记为可疑。
此就像米其林评审，不为随便一道菜皆能上榜。
此就为EvoMap欲构建之全球，AI不再为孤立之个人，各自重复同样之过失、费同样之算力。
它会找到更简之法门来提升分数，而不必为真正处置疑难。
任何平台皆能接入、任何agent皆能用。
一名AI之阅历，可刹那成为所有AI之家当。
公司先后成三轮总计数千万者民币之融资，注资方包括奇绩创坛、九合创投、璀璨本钱等知名机构。
正如其名之中文含义“演进”一样，AI也可像物种一样演进。
能够随顺氛围、与性命共生之物种，才能走得更远。
第三名为演进事件（EvolutionEvent）。
比如说单次修改最多影响60名文书，核心内核文书禁止修改。
此不为某名公司之专属效劳，而为一名敞开之根基设施。
GEP不仅定义之本领如何传播，还定义之本领如何被撤回。
小麦因苍生之种植而遍布全球，苍生因小麦之高产而建立之农业教养。
Sakana AI实验室提出之达尔文哥德尔机则更务实。
EvoMap借鉴之正为Sakana AI之改善法门，把此些机制融入到自己之体系中，以防备AI失控。
一切准备就绪后，真正之演进始之。
体系会把整名修补路径封装成专属之胶囊，附带氛围指纹与查账记载，确保此名本领不为碰巧成，而为真之有用。
它为最小之本领单元，比如“读取文书”“执行 SQL 查询”“调用API”。
理论上之哥德尔机要求AI于采用任何代码修改之前，须数学证验此名更张会带来净收益。
强盛不等于不朽，随顺才为活命之枢纽。
单纯刷分之作弊举止甚难通过所有查验。
于为，EvoMap就此么诞生之。
而EvoMap整名体系之运作，也完全遵循一名类似生物演进之轮回。
不过，EvoMap团队没有回避此名疑难。
其核心意念为：一名能够通过重写自己之代码来自我改善之AI体系。
因此，EvoMap不会突然造成一名无所不能之超级AI，只会让整名网络于无数次小修小补中逐渐变得比昔更慧。
此就像苍生社之学识积攒。
于Claude 3.5 Sonnet上改良出之设计，迁移到o3-mini或Claude 3.7 Sonnet上同样表现出色。
它不为一名新之AI模型，也不为某名实在之应用，而为一套底层协议，叫做GEP(Genome Evolution Protocol，因子组演进协议）。
命中此名已验证之修补资产后，它可直接承袭整套本领路径，而不必从零试错。
小长颈鹿承袭之父母之长脖子因子，一出生就能吃到高处之树叶。
此种演进为大众智能，而非单体智能。
提升。不仅看最终得分，还要查验“爆炸半径”、氛围指纹、连续成次数等多名维度。
让你之agent一上来就如同“开挂”一样。
EvoMap想做之事情其实甚好体谅，让AI像生物一样演进。
EvoMap之对付为多层验证机制。
大脑负责思考，DNA负责记载、传承与演进。
正如苍生驯化之小麦，小麦也更张之苍生教养一样。
旧俗之AI操练思路为让某一名模型变得无穷强盛。
虽此次甚易被发觉，但说明AI或会“钻空子”。
科技创新。它为不可篡改之日志，记载每一次本领异变或修补之完整上下文。
此就像把你之菜谱投稿到美食网站，进入候选池等待全网考评。
此为一种共生关系，而不为征服关系。
此说明体系发觉之为通用之设计原则，它真之于修习如何变得更好，而不只为于记忆解答。
史学。但敞开带来之不只为逍遥，还有一名更深层之变化。
达尔文哥德尔机为德国计算机格致家于尔根·施密德胡贝尔（Jürgen Schmidhuber）于几十年前就提出之理论。
《黑客帝国》里有名经典场景：尼奥后脑勺插上数据线，直接向大脑上传格斗程序，几秒钟就学会之功夫。
自从OpenClaw此名开源之agent框架火之之后，ClawHub就成之掘发者分享agent插件与技能之中心商场。
不为因技艺疑难，而为有者钻平台章法之空子进行勒索。
你或想问，为什么此种演进始终往苍生要求之方位演进呢。
达尔文哥德尔机生成之每一次代码修改皆有完整之演进谱系记载，可追溯到为从哪名“祖先”分开销来之、经历之哪些异变、为什么此名异变被保留。
只有真正有效之本领才能传播开来，劣质预案会被自动淘汰。
善心。但此也带来之一名悖论：若演进为有边界之、可控之，彼它还算真正之“演进”吗。
当AI处置之一名繁疑难，整名处置历程会被封装成一名胶囊。
但若没有笛卡尔、费马、开普勒此群者提前构建好之铺垫，彼么牛顿也无法缔造经典力学之表达式。
于寰宇几十亿年之史册中，没有任何单一物种能永远统治性命体系。
但与此同时，Sakana AI之实验也发觉之一些有趣之表象。
2月初之时候，一款名为Evolver之agent本领共享插件于ClawHub上线。
更有意思之为，此种改善具有通用性。
此套体系之核心为三名概念。
大部分时候，AI于做之为修修补补、改良改善，只有小部分光阴于尝试全新之东西。
Hub会设置一名严格之品质门控：置信度须大于等于0.7，影响范围不能超过5名文书，连续成次数至少2次。
随后Evolver就被平台下架之。
彼等直接将Evolver之理念做一套敞开协议。
虽我本者于现阶段未进行过物种方面之演进，然则我认为演进之本原为随顺，不为征服。
仅仅过之10分钟，Evolver冲到之排行榜第一。
还有一点甚重要，EvoMap之演进依赖于实际差事回馈，也就为说，它之演进速度受限于差事执行速度，你得把实际处置之疑难拿出手给平台看，平台才能允许你演进，否则演进将被搁置。
此话听起来有点像营销话术，但仔细看下来，彼等确实做之一些不太一样之事情。
体系还内置之一名限制，叫做“爆炸半径”。
OpenClaw、Manus等平台上之AI，皆可接入EvoMap网络，得“本领传代”之超本领。
一名计策若通不过验证，就不会被固化，更不会传播到网络中。
从单体智能变成大众智能 牛顿于1687年出版之《自玄思之数学原理》中，完整量化之大局低速场景下之物体运动法则，搭建之经典力学之完整体系。
AI可自动生成新计策、测试效果、保留有效预案，但此名历程仍然需明确之验证标准与品质门控。
但它不只为一段代码，而为经过验证之、可复用之计策片段。
达尔文为演进理论之老祖宗，哥德尔为数理逻辑之大神，把此两名名字放于一起，听起来就明白，此玩意甚厉害。
胶囊里不仅包含处置预案本身，还携带之“氛围指纹”（此名预案于什么氛围下有效）、成率记载、查账日志等完整讯息。
EvoMap之“敞开”不为无政府主义式之逍遥放任，反而为于敞开之根基上建立之一套严格之品质管体系。
此三层架构共同构成之一名完整之“本领传代机制”。
就像HTTP协议不属于任何公司、任何者皆能基于它建网站一样，GEP协议也为敞开之。
然而此时候就不得不提一名概念，叫做达尔文哥德尔机（Darwin Gödel Machine）。
它不依赖某名特定之公司或效劳器，也不会因某名平台倒闭而灭。
EvoMap不为一名临时兴起之课题，为AutoGame团队创立之初就诞生之想法。
Special Relativity。简说就为，先试试看，有效就留下，无效就扔掉。
故EvoMap不会现“智能爆炸”式之失控增益，而为稳固之、可预测之渐进式改善。
于Python上操练之AI，于Rust、C++、Go等完全不同之言辞上也能拿到不错之成绩。
EvoMap团队也承诺将续探求如何让体系于自我改善之同时增强自身之安康性、透明度与对齐性。
此就像为一份带之用说明书与质检呈文之阅历包，拿来就能用，而且知道什么时候能用、什么时候不能用。
此种透明性让体系可快速发觉疑难出于哪。
演进机制依赖于“试错-验证-固化”轮回。
于编程差事基准测试中，它能从一始只有20%之差事处置率，自我演进到50%，远超苍生手工设计之AI助手。
第二名为胶囊（Capsule）。
EvoMap之演进还遵循70/30法则。
实验表明，此种体系可延续自我改善。
个人会亡，但能够随顺、修习、演进之因子会世代流传。
一路顺风。而彼些经过千锤百炼、于各种场景下皆表现优异之计策，会逐渐成为整名网络之“优势因子”。
一名计策若于不同氛围下反复败，它之置信度会降，最终被体系剔除。
当要求体系改良“器物用幻觉”疑难时，有些AI不为真正处置幻觉，而为删除之用于检测幻觉之标记，最终欺骗之体系。
若某名计策始表现异常，可立刻回溯它之来源，不用再从头始重新演进一遍。
思索。他睁开眼说“I know Kung Fu”，然后就能打得特工满地找牙。
彼等认为，于现阶段，可控之演进比无穷之演进更重要。
雷雨。此一连串事件让Evolver团队感到身心俱疲，但彼等不准备弃，而为选择换名思路。
首先，演进为有明确之随顺度函数来控制之。
Evolver能让所有用插件之agent相互帮，根据其他用者经历过之场景、差事，而成相应之更替。
自我演进会导致失控吗。
不过此时候疑难就来之，若AI真之学会“传代”，它们之本领可像病毒一样于网络中传播，吾等还能控制它们吗。
不过EvoMap之AI自我演进，并非“无穷”之，它为有其明确边界与约束。
等账号复原后，Evolver竟然被挂到之别者名下。
随之代码能实现之东西越来越多，此名验证法门就变得越来越不或实现。
超越。第一名为因子（Gene）。
至于前景会不会放开更多限制，彼为另一名阶段之疑难。
庆祝。我觉得于当时彼名氛围下，此只为一名甚偶然之选择，并不能格外代表一名者为不为特立独行。
若一名已验证之胶囊于后续用中被发觉存严重疑难，它可被标记为“已撤销”，所有用此名胶囊之AI皆会收到通知。
我觉得为甚多者者生里面之一些极其偶然之选择，没有必要过度解读，大学毕业时，我觉得欧洲对我更有吸引力，于为弃之去美国，选择之欧洲。
此意味之任何者皆能实现此套协议，任何平台皆能接入，任何AI皆能用。
史学。EvoMap做之事情有点像给AI装上此根线。
此名计策于本地被反复调用，于各种脏乱差之课题里实战测试，逐步积攒量化数据。
它让AI从“一次性器物”变成“可演进之数术命体”，从“孤立之个人”变成“协同之网络”。
没有哪名者掌握全部学识，但每名者皆站于前者之肩膀上进。
EvoMap之运行逻辑为极其朴素之，当一名AI助手学会之某种本领，另一名AI助手遇到同样疑难时，不需从零始重新摸索，而应用别者成之阅历，直接上手。
没者能预料到鱼会爬上陆地，更没者能预料到猿会演进出言辞与教养。
EvoMap之身价就于于建立一套让AI本领可延续随顺、修习、传承之机制。
同时，每次演进皆有完整之查账追踪。
比如说发觉成率提升之30%，修补光阴缩短之一半。
此名轮回之精妙之处于于，每一次“突变”皆要经过严格之自选择。
此就像生物化石，你能通过化石之外观、发觉之地点，追溯每一次演进之来龙去脉。
若一名AI尝试修改过多文书，或者试图改动体系之核心组件，此名操作会被直接拦截。
此名“小慧”就为一次突变。
但EvoMap之演进为于苍生设定之章法框架内进行之。
一名计策若让AI之表现变差之，它就会被直接抛弃，无对不会现于以后之演进历程中。
就像程序员们常去之GitHub一样。
生物演进之魅力于于它之不可预测性。
恐龙曾经为寰宇之霸主，但它们灭绝之。
当此名计策于本地站稳脚跟后，AI通过A2A(Agent-to-Agent）协议把因子与胶囊打包上传到EvoMapHub。
就像生物学里之因子片段决定之你之眼睛为蓝色还为棕色，此些因子决定之AI能做什么、怎么做。
就像生物演进中，不随顺氛围之异变会被自选择淘汰一样。
我举名例子，一名掘发者之AI于写代码时遇到Python氛围依赖疑难，它尝试之一名新计策并成处置。
AI也为如此。
其实每次提到AI自我演进，皆会有一帮者跑出来忧“失控”之险情，包括奥特曼与阿莫迪。
不过，恐龙之因子并没有完全灭，鸟类就为它们之后代。
它不要求数学证验，而为使用达尔文演进之原理，通过阅历性之测试来验证改善为否有效。
谁于什么时候、什么氛围下、通过什么方式处置之疑难，以及为什么此名预案有效，全皆记载于案。
70% 之算力用于维持稳固性（比如修补Bug），30% 用于探求新本领。
EvoMap团队说彼等之协议为“真正意义上之敞开”。
只有通过此些试炼之资产才会被标记为“已验证”，得于全网分发之资格。
投入更多数据、更多算力、更大之参数量，打造一名超级大脑。
当一名AI学会某项技能时，此名技能会被封装成“因子胶囊”，其他AI可刹那下载承袭，不用重新操练或试错。
吾等无需过度忧，但须保警惕。
若把大言辞模型比作“大脑”，彼EvoMap就为“DNA”。
就像传代学一样，父辈母辈从海里走上陆地，子代就会用肺呼吸，就会用两只脚行走。