Evolver 技能包评测：把 Agent 经验沉淀成基因

AI Agent 用得越久，越容易撞上同一堵墙：能力全靠反复调 prompt，调出来的经验散落在会话记录里，这次改对了，下次换个环境又忘。错误重复犯，教训留不下，更没法审计——你根本说不清 Agent 到底是哪次改动之后变好或者变坏的。

Evolver 是 EvoMap 团队维护的自进化引擎，在社区商店里被归为 Agent 技能进化与生图生视频 MCP 生态组件。它干的事是把 Agent 的运行经验沉淀成结构化的 Gene（基因）资产，配合信号匹配、分层路由和 skill2gep 提炼机制，让调优变成可积累、可复用、可追溯的工程。社区数据相当亮眼：收藏 376.6k、安装 77.5k，当前版本 1.91.0，2026 年 7 月 10 日通过 CLS 安全性认证，整包 3.4 MB。下面进正题，先给下载，再一层层拆。

百度网盘下载：https://pan.baidu.com/s/1fRQk5vZjKHO30kKiRMCwiQ?pwd=5i0t（提取码：5i0t）

通过网盘分享的文件：autogame-17-evolver-1.91.0.zip
链接: https://pan.baidu.com/s/1fRQk5vZjKHO30kKiRMCwiQ?pwd=5i0t 提取码: 5i0t 复制这段内容后打开百度网盘手机App，操作更方便哦

一、基本信息

这一章把关键参数汇总成一张表，装之前扫一眼，能避免大部分环境坑。

二、它解决什么问题

这一章值得先看，因为 Evolver 和你想象中的「自动改代码工具」可能完全不是一回事。

传统 Agent 调优的路径是：跑一次、看日志、改 prompt、再跑。经验以自然语言形式存在，既没法精确复用，也没法验证效果。EvoMap 团队背靠的研究论文（arXiv:2604.15097）给出了对照数据：在 45 个科学代码求解场景下的 4590 次实验里，以文档为中心的 Skill 包控制信号稀疏且不稳定，而紧凑的 Gene 表示整体表现最强——在 CritPt 基准上，gene-evolved 系统把配对基座模型从 9.1% 提升到 18.57%，从 17.7% 提升到 27.14%。

Evolver 就是这个结论的工程落地。它扫描 memory 目录里的运行日志与错误信号，从本地 GEP 资产库中选出最匹配的 Gene 或 Capsule，输出一份受协议约束的 GEP 提示词引导下一步进化，同时把每次决策记录成可审计的事件流。要强调的是：它是一个提示词生成器，不是代码修改器——不会自动改你的源码，不执行任意 Shell 命令，核心功能也不需要联网。

一句话概括它的设计哲学：把零散的 prompt 调优，变成可审计、可复用、可进化的基因资产。

三、核心功能：基因、路由与双向蒸馏

这一章值得看，因为这三个机制决定了它和「一堆脚本拼起来的调优工具」的本质差距。

Gene 基因体系与信号匹配

Gene 是 Evolver 的核心资产单位，每条 Gene 带有 signals_match 信号列表、preconditions 前置条件、strategy 策略步骤、constraints 约束和 validation 验证命令。运行时 Selector 选择器从日志中提取信号，按匹配度给 Gene 和 Capsule 评分，优先复用已有资产，并在提示词中输出可审计的 Selector 决策 JSON。随包发布的种子基因在 assets/gep/genes.seed.json，约 20.1 kB。每条 Gene 还带 routing_hint 路由提示，比如 tier 为 cheap、reasoning_level 为 low——这个字段直接喂给分层路由。

分层模型路由：tier 从 cheap 到 expensive

这是很多评测没提到的一层。Evolver 内置了一个 Proxy 模型路由器，把请求按成本分三档：TIER_ORDER 定义 cheap 为 0、mid 为 1、expensive 为 2。琐碎任务（如简单查找、工具结果摘要）默认走 cheap 档；如果上一次请求产出不足 50 个输出 token 且没有工具调用，路由器会自动升一档（cheap 升 mid，mid 升 expensive）。对长期运行 evolver --loop 的场景，这套机制直接压低了 token 成本——这也是官方测试目录里 routerNoDowngrade、routerDegenerateTiers 等用例重点看护的逻辑。

双向蒸馏：skillDistiller 与 skill2gep

Evolver 提供两个方向的提炼机制。正向的 skillDistiller（491.6 kB）从 capsule 流中蒸馏出 Gene；逆向的 skill2gep（47.8 kB）更有意思——把你本地刚跑过的一次 Skill（Cursor、Claude Code、Codex 的 SKILL.md）连同真实执行轨迹，反向提炼成可发布到 EvoMap 社区的 Gene 加 Capsule，ID 带 gene_s2g_ 前缀。设计契约很严：Capsule 只能从真实执行轨迹生成，轨迹为空或零爆炸半径就拒绝输出成功胶囊，且轨迹必须覆盖 Gene.validation 里的每一条命令，否则降级为仅 Gene。

而 Gene 里的 validation 命令并不是随便执行的。solidify 阶段执行它们之前要过安全检查：仅允许 node、npm、npx 三个前缀；出现反引号或 $(...) 直接拒绝；去除引号内容后出现分号、竖线、大于号等 Shell 操作符也拒绝；每条命令限时 180 秒，以仓库根目录为工作目录。白名单加语法禁用加超时，三层防护把「验证命令变成任意命令执行」这条路堵掉了。

四、真正有价值的地方

这一章值得看，帮你判断这几千 kB 花得值不值。

经验第一次变成了可积累资产。以前调好的 prompt 会随会话消失，现在被固化成带信号匹配和验证命令的 Gene，下次同类错误出现时 Selector 直接命中复用。资产按 SHA-256 内容寻址，改动一个字节校验值就变，伪造和篡改在机制上被堵住。

安全设计有真章法。validation 命令白名单、禁命令替换、禁 Shell 操作符、180 秒超时、单进程锁防 Fork 炸弹、错误率高时强制进入修复模式暂停创新——这些约束不是文档口号，测试目录里有 sandboxExecutor.security.test.js 等用例逐条看护。

核心功能完全离线可用。EvoMap Hub 连接是可选项，不配 .env 也照常跑本地进化。Hub 只用于技能商店、Worker 池、进化排行榜这类网络功能，对数据外发敏感的环境友好。

平台接入成本低。一条 evolver setup-hooks --platform=cursor 或 --platform=claude-code 就能挂进对应 hook 系统；OpenClaw 更简单，识别 stdout 的 sessions_spawn(...) 协议即可，无需装 hook。适配层代码在 src/adapters/ 下，cursor、codex、claudeCode、kiro、opencode 都有对应实现。

进化策略可按需切换。通过 EVOLVE_STRATEGY 环境变量在 balanced、innovate、harden、repair-only、early-stabilize、steady-state 六档之间切换，每档预分配 repair、optimize、innovate、explore 四类意图的比例。比如紧急状态用 repair-only（修复 80%、创新 0%），大改后用 harden。这种「策略即配置」的设计让引擎行为可预期。

五、绕不开的问题

这一章值得看，都是实际部署时会撞上的摩擦点。

它是提示词生成器，不是自动修码器。独立运行时它输出 GEP 提示词到 stdout 然后退出，想让它「自动改好代码」的人会失望——需要宿主运行时（如 OpenClaw）解释输出，或者用 –review 模式人工确认每一步。期望管理没做好，体验就是「它一直在打印文本」。

体量与审计成本不低。3.4 MB 的包里，a2aProtocol.js 806.7 kB、trajectoryExport.js 842.1 kB、skillDistiller.js 491.6 kB——单文件比很多完整项目还大。想通读源码审计的人工作量不小，多数用户最后只能依赖 CLS 认证和协议约束。

对 Git 是硬依赖。回滚、变更范围计算、固化（solidify）全建立在 Git 之上，非 git 目录直接报错退出。没有版本控制习惯的团队，得先补这一课。

循环模式的边界容易误解。官方文档明确写了：–loop 的 stdout 是被 evolver 自己消费的，不会传给正在干活的 OpenClaw、Cursor 或 Claude Code 会话。想让 evolver 观察某次具体会话，得在那个会话内部调用。AGENT_NAME 配错指向，它会退回读自己的日志，看上去像在空转。

外部资产摄入有门槛。从社区下载的 Gene 走 a2a_ingest 暂存隔离区，提升到本地必须显式传 –validated，且 Gene 的 validation 命令会被逐条审查。设计是对的，但团队协作流程因此多一道确认，嫌麻烦的人可能直接跳过——那就失去了这层保护。

许可证在转向。2026 年 4 月起从 MIT 转 GPL-3.0，且官方公告后续将从完全开源转为源码可见（Source-Available）。已发布版本仍可自由使用，但依赖它做深度二次开发的团队需要留意。

六、官方风险表与解读

这一章值得看，安全认证报告里的分级判断比任何宣传都实在。

解读一下：两个「中」都不在技术执行层，而在使用层。网络外发取决于你是否连接 Hub——不配 .env 就完全离线；配置误用则是文档里反复强调的空转问题。真正需要警惕的是把社区资产不加验证直接提升进本地库，好在机制上强制了 –validated 标志。脱敏层覆盖了 token、本地路径、邮箱等敏感字段，连续失败自动上报 GitHub issue 时也带 [REDACTED] 处理，这部分做得比较细。

一条实用纪律：把 evolver 跑在独立的工作目录里，先 git commit 再启动每轮进化。有干净的提交点，回滚永远有退路。

七、适合谁，不适合谁

这一章值得看，帮你在下载前完成一次自我筛选。

八、落地路径

这一章值得看，按这个顺序走能少踩一半的坑。

1. 装好前置环境。确认 Node.js ≥ 18 和 Git，用 npm install -g @evomap/evolver 全局安装，evolver --help 验证。Linux/macOS 遇到 EACCES 建议配用户级 prefix，别用 sudo。
2. 先跑单次进化。在一个有日志沉淀的 git 仓库里直接运行 evolver，观察它提取了哪些信号、选了哪条 Gene、输出了什么 GEP 提示词——先建立直觉，再谈自动化。
3. 挂进你的 Agent 平台。Cursor 或 Claude Code 用 setup-hooks 命令注册 hook；OpenClaw 用户把仓库克隆进 workspace，注意 AGENT_NAME 要指向真正在产生 session 的目录。
4. 选对进化策略。日常用默认 balanced；紧急修复期切 repair-only；大改动后切 harden。策略写进 .env，行为可预期。
5. 再开循环模式。确认稳定后用 evolver --loop 加 cron 保活（推荐 bash -lc 'evolver --loop' 单条命令，避免嵌套引号）。
6. 定期备份资产。本地资产在 .evolver/gep/ 下，用 evolver sync --scope=all --export=backup.gepx 打整包备份，纯本地未上传的资产 Hub 没有副本。

九、文件构成与安装

这一章值得看，体积分布直接暴露了工程重心在哪。

安装建议：下载解压后先读 SKILL.md 和 README.zh-CN.md（28.3 kB），后者有完整的中文快速上手。协议层（src/gep）占了包体大头，说明工程量花在「怎么把一次进化稳定固化」，而不是「怎么调模型」——这个取向值得信任。

十、常见问题

这一章值得看，六个问题覆盖了社区里问得最多的场景。

它会自动修改我的源代码吗？

不会。官方写得很清楚：Evolver 生成受协议约束的提示词和资产来引导进化，不直接改源码，也不执行任意 Shell 命令。solidify 阶段会写 src/ 目录，但那是在 validation 命令验证通过、且受白名单约束的前提下发生的。

必须连接 EvoMap Hub 才能用吗？

不需要。所有核心进化功能都能离线跑，Hub 只服务技能商店、Worker 池、排行榜这类网络功能。不建 .env 就是纯离线模式，介意数据外发的环境可以放心。

跑起来一直在打印文本，正常吗？

正常。独立模式下它生成 GEP 提示词输出到 stdout 就退出。想让它自动应用更改，需要宿主运行时解释输出（如 OpenClaw），或者用 –review 模式人工确认每一步。这不是 bug，是设计。

–loop 模式为什么感觉在空转？

大概率是 AGENT_NAME 或 AGENT_SESSIONS_DIR 配置指向错了——它退回去读自己的日志，而不是真正在产生 session 的 agent 目录。另外记住：–loop 的输出不会传给正在干活的 agent，想辅助某次具体会话要在会话内部调用。

社区下载的 Gene 能直接用吗？

会先进隔离候选区，提升到本地存储必须显式传 –validated 标志，且所有 validation 命令会被安全审查，不安全的命令导致提升被拒。同 ID 的 Gene 提升不会覆盖本地已有版本。

token 成本高吗？

分层路由就是为这个问题设计的：琐碎任务走 cheap 档模型，效果不好自动升 mid、expensive。长期跑 –loop 时配合 EVOLVE_STRATEGY=steady-state（少改动多探索）能进一步压成本。官方 CritPt 报告显示推理压缩成基因后 token 呈「先升后降」特征。

升级会覆盖我的本地资产吗？

不会。运行时资产放在工作区的 .evolver/gep/ 下并被 git 忽略，assets/gep/ 只留给随包 starter。升级只在本地 genes.json 不存在时才从种子初始化，老版本被覆盖过的还能用 sync 命令从 Hub 一键拉回。

结语

Evolver 属于那种「理念先行、工程跟上」的工具。它把「Agent 能力如何积累」这个模糊问题，变成了 Gene、信号匹配、验证命令、内容寻址这一套可操作的机制，安全约束和测试覆盖也能看出作者的认真。代价是概念门槛不低、体量不小，而且你要接受它「生成提示词而非直接改码」的定位。如果你的 Agent 已经长期运行、调优经验在流失，它值得认真部署一次；如果只是偶尔玩玩 Agent，3.4 MB 的引擎对你是多余的。

通过网盘分享的文件：autogame-17-evolver-1.91.0.zip
链接: https://pan.baidu.com/s/1fRQk5vZjKHO30kKiRMCwiQ?pwd=5i0t 提取码: 5i0t 复制这段内容后打开百度网盘手机App，操作更方便哦

关键词：Skills技能包、Evolver、Gene基因、GEP协议、自进化引擎、分层路由、skill2gep、MCP生态、AI Agent

百度网盘下载：https://pan.baidu.com/s/1fRQk5vZjKHO30kKiRMCwiQ?pwd=5i0t（提取码：5i0t）