前言¶
長期跑 Agent 的開發者常遇到兩類問題：一是任務做完就結束，成功經驗沒有結構化沉澱；二是想改提示詞、工作流或 Skill，往往只靠單次對話「拍腦袋」，缺少多方案對比和可回滾的安全邊界。auto-evolving-agent（智能體自主進化）把種羣進化、適應度評分和人工確認寫進一套 Skill 工作流，讓「自我改進」有流程、有記錄、有閘門，而不是無約束地改文件或執行命令。
這是什麼¶
auto-evolving-agent 是 SkillHub 社區 Skill，座標 @user_dfbdc5ab/auto-evolving-agent，當前版本 1.0.0，分類 ai-agent，標籤 requires_api_key=false（安裝使用不強制 API Key）。頁面標註作者爲 silifelab，發佈者 ID 爲 user_dfbdc5ab。
一句話定位：基於混合進化策略的自我進化 Agent 設計——達爾文式探索（發散產生多個候選）與拉馬克式優化（基於反饋改進既有方案）結合，並強調用戶在循環中（分級確認、人工選擇壓力）。
Skill 正文寫明目標用戶爲 OpenClaw 開發者；在 Cursor、Claude Code、Codex 等支持 Skills 的客戶端上，同樣可按 SkillHub 方式安裝，由 Agent 讀取 SKILL.md 執行進化流程。
官方入口：
- SkillHub 頁面：https://www.skillhub.cn/skills/user_dfbdc5ab/auto-evolving-agent
- API 座標頁：https://api.skillhub.cn/user_dfbdc5ab/auto-evolving-agent
（SkillHub 頁面當前展示：評分 100000，下載 2191，安裝 20。）
核心功能¶
以下能力均來自已安裝的 SKILL.md / README.md，不做外延發揮。
混合進化策略¶
- 達爾文式探索：發散推理，生成 3～5 個有差異的候選方案，適合探索新方法。
- 拉馬克式優化：根據反饋優化現有方案，適合在已知路徑上提效。
- 用戶在循環中：關鍵操作需用戶確認；用戶選擇構成「選擇壓力」。
五環架構（文檔亦稱三環思路的擴展實現）¶
自下而上爲：
- Ring 0 哨兵層（不可變）：Git 版本控制、自動快照、審計日誌、回滾；設計爲純 Python 標準庫、不依賴外部包。
- Ring 1 反思層：發散推理、收斂驗證、自我批判與自我反思。
- Ring 2 基因庫層：分級記憶（Hot → Warm → Cold → Forgotten）、精英模式庫、基因庫、技能結晶化。
- Ring 3 種羣層：種羣規模 N=3～5、交叉重組、六維適應度評分、競技場式排名。
- 用戶層：確認方案、選最優、反饋與設定進化目標。
種羣進化主流程¶
任務或對話輸入後，典型鏈路爲：Ring 1 變異出種羣 →（可選）Ring 3 交叉 → Ring 3 多目標評估與排名 → 用戶層確認 → Ring 0 在確認後執行（高風險操作可逐行確認）→ Ring 2 更新記憶與基因庫。
六維適應度評分¶
| 維度 | 權重 |
|---|---|
| 可行性 | 25% |
| 效果預期 | 25% |
| 風險等級 | 20% |
| 實現成本 | 15% |
| 創新性 | 10% |
| 可回滾性 | 5% |
文檔給出加權公式，並將風險分爲低 / 中 / 高，對應簡單確認、詳細確認、逐行確認。
基因庫、精英模式與技能結晶¶
- 基因庫：SQLite 存儲 Top 100 成功模式，用於注入進化提示；入庫需用戶選中併成功執行等條件。
- 精英模式庫：比基因庫更嚴，例如同一模式被用戶成功選用 3 次以上、評分進入前 10 等。
- 技能結晶化：把反覆驗證的模式封裝爲獨立 Skill，觸發條件包括同一模式成功使用 3 次以上或用戶明確要求「變成 skill」等。
進化範圍與安全原則¶
進化可覆蓋：自身 SKILL.md 與參數、新建 Skill、工作流與 Prompt、可選的 SOUL.md、記憶與基因庫、能力模塊的安裝與淘汰。
安全原則強調透明、可控、可逆（Git 快照與回滾）、漸進迭代、用戶主導、基因庫保守入庫。
包內還提供 references/ 下的適應度評分、基因庫、進化歷史等模板文件，供 Agent 按文檔輸出結構化報告。
安裝與啓用¶
下面介紹 SkillHub 官方安裝路徑。安裝前請確認本機已有 skillhub CLI；若沒有，按 SkillHub 安裝文檔執行完整安裝或僅 CLI 安裝。
command -v skillhub && skillhub --version
# 完整安裝（CLI + 默認 Skill，推薦）
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
# 僅安裝 CLI
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安裝 Skill 時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落到 ./skills/ 可能不會被客戶端加載。
skillhub install @user_dfbdc5ab/auto-evolving-agent --dir <你的 skills 目錄>
常用客戶端 skills 目錄（來自 SkillHub 安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
SkillHub 頁面亦支持將提示詞發給 AI：「請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_dfbdc5ab/auto-evolving-agent。」
安裝完成後，重啓或刷新對應客戶端，使新 Skill 被索引。
典型用法¶
本 Skill 以自然語言觸發爲主，無單獨 CLI 子命令。文檔列出的觸發方式如下。
用戶主動觸發（中文示例）：
- 「幫我進化一下」「自我進化」「優化一下自己」
- 「生成 3 個改進方案」「進化我的能力」
- 「探索新方法」「優化現有方案」
用戶主動觸發（英文示例）：
- “Help me evolve”, “Self-evolve”, “Optimize myself”
- “Generate 3 improvement ideas”, “Evolve my capabilities”
- “Explore new approaches”, “Optimize existing solutions”
任務後自動反思（由 Agent 按 Skill 判斷）： 例如新建 Skill 後、複雜任務結束後、收到滿意/不滿意反饋、連續三次類似任務後等。
可選定期進化： 每日快速反思、每週深度進化或用戶自定義週期。
觸發後，Agent 應按 SKILL.md 輸出「種羣 + 競技場」式方案預覽：多個候選、六維評分表、可選交叉方案、基因庫注入說明，並在執行前走 Git 快照與確認模板。用戶可回覆確認、修改、取消，或要求將某方案「結晶化爲 skill」。
適用場景與注意¶
更適合：
- 已在 OpenClaw 或同類 Agent 環境維護多 Skill，希望用固定流程做能力復盤與迭代。
- 需要多方案對比、量化評分參考，且願意在關鍵步驟人工拍板。
- 倉庫已用 Git 管理，能接受進化前快照與回滾作爲默認習慣。
需要留意的點：
- 文檔目標用戶寫的是 OpenClaw 開發者；在其他客戶端上行爲取決於 Agent 是否完整遵循
SKILL.md與本地 Git 環境。 - 基因庫依賴 SQLite 與 Top 100 等約定，需 Agent 實際落地存儲與更新邏輯，不是安裝包自帶獨立後臺服務。
- 進化可能修改配置、創建 Skill、執行命令；高風險檔位要求逐行確認，不應跳過。
- Skill 內元數據
name爲evolving-agent，與 SkillHub 包名auto-evolving-agent並存，搜索或引用時以座標@user_dfbdc5ab/auto-evolving-agent爲準。
結尾¶
auto-evolving-agent 把種羣變異、交叉、精英保留和適應度評分翻譯成 Agent 可執行的工作流，並把 Git 快照與用戶確認放在底層。若你希望智能體「改自己」時有結構、有排名、有回滾，可以從 SkillHub 安裝該 Skill，用上述觸發語啓動一輪進化。
官方地址：https://www.skillhub.cn/skills/user_dfbdc5ab/auto-evolving-agent
