前言¶
长期跑 Agent 的开发者常遇到两类问题：一是任务做完就结束，成功经验没有结构化沉淀；二是想改提示词、工作流或 Skill，往往只靠单次对话「拍脑袋」，缺少多方案对比和可回滚的安全边界。auto-evolving-agent（智能体自主进化）把种群进化、适应度评分和人工确认写进一套 Skill 工作流，让「自我改进」有流程、有记录、有闸门，而不是无约束地改文件或执行命令。
这是什么¶
auto-evolving-agent 是 SkillHub 社区 Skill，坐标 @user_dfbdc5ab/auto-evolving-agent，当前版本 1.0.0，分类 ai-agent，标签 requires_api_key=false（安装使用不强制 API Key）。页面标注作者为 silifelab，发布者 ID 为 user_dfbdc5ab。
一句话定位：基于混合进化策略的自我进化 Agent 设计——达尔文式探索（发散产生多个候选）与拉马克式优化（基于反馈改进既有方案）结合，并强调用户在循环中（分级确认、人工选择压力）。
Skill 正文写明目标用户为 OpenClaw 开发者；在 Cursor、Claude Code、Codex 等支持 Skills 的客户端上，同样可按 SkillHub 方式安装，由 Agent 读取 SKILL.md 执行进化流程。
官方入口：
- SkillHub 页面：https://www.skillhub.cn/skills/user_dfbdc5ab/auto-evolving-agent
- API 坐标页：https://api.skillhub.cn/user_dfbdc5ab/auto-evolving-agent
（SkillHub 页面当前展示：评分 100000，下载 2191，安装 20。）
核心功能¶
以下能力均来自已安装的 SKILL.md / README.md，不做外延发挥。
混合进化策略¶
- 达尔文式探索：发散推理，生成 3～5 个有差异的候选方案，适合探索新方法。
- 拉马克式优化：根据反馈优化现有方案，适合在已知路径上提效。
- 用户在循环中：关键操作需用户确认；用户选择构成「选择压力」。
五环架构（文档亦称三环思路的扩展实现）¶
自下而上为：
- Ring 0 哨兵层（不可变）：Git 版本控制、自动快照、审计日志、回滚；设计为纯 Python 标准库、不依赖外部包。
- Ring 1 反思层：发散推理、收敛验证、自我批判与自我反思。
- Ring 2 基因库层：分级记忆（Hot → Warm → Cold → Forgotten）、精英模式库、基因库、技能结晶化。
- Ring 3 种群层：种群规模 N=3～5、交叉重组、六维适应度评分、竞技场式排名。
- 用户层：确认方案、选最优、反馈与设定进化目标。
种群进化主流程¶
任务或对话输入后，典型链路为：Ring 1 变异出种群 →（可选）Ring 3 交叉 → Ring 3 多目标评估与排名 → 用户层确认 → Ring 0 在确认后执行（高风险操作可逐行确认）→ Ring 2 更新记忆与基因库。
六维适应度评分¶
| 维度 | 权重 |
|---|---|
| 可行性 | 25% |
| 效果预期 | 25% |
| 风险等级 | 20% |
| 实现成本 | 15% |
| 创新性 | 10% |
| 可回滚性 | 5% |
文档给出加权公式，并将风险分为低 / 中 / 高，对应简单确认、详细确认、逐行确认。
基因库、精英模式与技能结晶¶
- 基因库：SQLite 存储 Top 100 成功模式，用于注入进化提示；入库需用户选中并成功执行等条件。
- 精英模式库：比基因库更严，例如同一模式被用户成功选用 3 次以上、评分进入前 10 等。
- 技能结晶化：把反复验证的模式封装为独立 Skill，触发条件包括同一模式成功使用 3 次以上或用户明确要求「变成 skill」等。
进化范围与安全原则¶
进化可覆盖：自身 SKILL.md 与参数、新建 Skill、工作流与 Prompt、可选的 SOUL.md、记忆与基因库、能力模块的安装与淘汰。
安全原则强调透明、可控、可逆（Git 快照与回滚）、渐进迭代、用户主导、基因库保守入库。
包内还提供 references/ 下的适应度评分、基因库、进化历史等模板文件，供 Agent 按文档输出结构化报告。
安装与启用¶
下面介绍 SkillHub 官方安装路径。安装前请确认本机已有 skillhub CLI；若没有，按 SkillHub 安装文档执行完整安装或仅 CLI 安装。
command -v skillhub && skillhub --version
# 完整安装（CLI + 默认 Skill，推荐）
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
# 仅安装 CLI
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装 Skill 时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落到 ./skills/ 可能不会被客户端加载。
skillhub install @user_dfbdc5ab/auto-evolving-agent --dir <你的 skills 目录>
常用客户端 skills 目录（来自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
SkillHub 页面亦支持将提示词发给 AI：「请根据 https://skillhub.cn/install/skillhub.md，安装 @user_dfbdc5ab/auto-evolving-agent。」
安装完成后，重启或刷新对应客户端，使新 Skill 被索引。
典型用法¶
本 Skill 以自然语言触发为主，无单独 CLI 子命令。文档列出的触发方式如下。
用户主动触发（中文示例）：
- 「帮我进化一下」「自我进化」「优化一下自己」
- 「生成 3 个改进方案」「进化我的能力」
- 「探索新方法」「优化现有方案」
用户主动触发（英文示例）：
- “Help me evolve”, “Self-evolve”, “Optimize myself”
- “Generate 3 improvement ideas”, “Evolve my capabilities”
- “Explore new approaches”, “Optimize existing solutions”
任务后自动反思（由 Agent 按 Skill 判断）： 例如新建 Skill 后、复杂任务结束后、收到满意/不满意反馈、连续三次类似任务后等。
可选定期进化： 每日快速反思、每周深度进化或用户自定义周期。
触发后，Agent 应按 SKILL.md 输出「种群 + 竞技场」式方案预览：多个候选、六维评分表、可选交叉方案、基因库注入说明，并在执行前走 Git 快照与确认模板。用户可回复确认、修改、取消，或要求将某方案「结晶化为 skill」。
适用场景与注意¶
更适合：
- 已在 OpenClaw 或同类 Agent 环境维护多 Skill，希望用固定流程做能力复盘与迭代。
- 需要多方案对比、量化评分参考，且愿意在关键步骤人工拍板。
- 仓库已用 Git 管理，能接受进化前快照与回滚作为默认习惯。
需要留意的点：
- 文档目标用户写的是 OpenClaw 开发者；在其他客户端上行为取决于 Agent 是否完整遵循
SKILL.md与本地 Git 环境。 - 基因库依赖 SQLite 与 Top 100 等约定，需 Agent 实际落地存储与更新逻辑，不是安装包自带独立后台服务。
- 进化可能修改配置、创建 Skill、执行命令；高风险档位要求逐行确认，不应跳过。
- Skill 内元数据
name为evolving-agent，与 SkillHub 包名auto-evolving-agent并存，搜索或引用时以坐标@user_dfbdc5ab/auto-evolving-agent为准。
结尾¶
auto-evolving-agent 把种群变异、交叉、精英保留和适应度评分翻译成 Agent 可执行的工作流，并把 Git 快照与用户确认放在底层。若你希望智能体「改自己」时有结构、有排名、有回滚，可以从 SkillHub 安装该 Skill，用上述触发语启动一轮进化。
官方地址：https://www.skillhub.cn/skills/user_dfbdc5ab/auto-evolving-agent
