AI助手下班后会复盘吗?这个开源技能让Agent学会自我进化

你有没有想过——你雇的那个 AI 助手,下班后会去”反思”自己哪里做错了吗?

大多数 Agent 跑完任务就结束了,错误模式重复出现、没有人复盘、没有任何积累。但现在有一个 Skill,让 AI 自己学会了”复盘”——不是靠嘴说,是真的写补丁、自己迭代。

什么是 Capability Evolver?

Capability Evolver 是一个元技能(Meta-Skill),专门教 AI Agent 做自我进化。它不是帮你写代码的技能,而是帮 AI 自我诊断的技能。

核心逻辑很简单:观察自己的错误 → 分析根因 → 生成改进方案 → 执行修复。整个过程是确定性的,不依赖 LLM 的随机性,所以没有幻觉风险,处理速度在 100ms 以内,零 Token 消耗。

这背后的设计哲学很有意思:它把 Agent 的每一次失败都当成一条进化压力,用固定的规则引擎去分析日志、提取模式,然后生成结构化的改进建议。这就像给 AI 装了一个内置的”复盘机制”——不是靠人类提醒它哪里做错了,而是让它自己看出来。

它能做什么?

三个核心动作,覆盖 Agent 自我改进的完整生命周期:

  • analyze:接收 Agent 运行日志,输出错误模式 + 健康评分。比如同一个 API 超时出现 3 次,它会直接标记为”高频错误”并定位到具体文件。
  • evolve:基于分析结果生成具体改进方案,可选策略包括 balanced(默认)、harden(优先加固稳定性)、innovate(优先优化性能)、repair-only(只修错误)。
  • status:快速获取当前系统的健康分,用于定期巡检。

配合 –review 参数,还能在应用修改前暂停等人工确认,适合生产环境。

支撑它的底层协议:GEP

Capability Evolver 内置了基因组进化协议(Genome Evolution Protocol,GEP),这个协议的核心作用是固化每次进化的成果。

具体来说,每次成功的修复都会被记录为可复用的”基因”(Gene),存储在本地的 genes.json 里。这样下次遇到同类问题,Agent 不需要重新推理,直接调用已有的解决方案。这本质上是在建立 Agent 自己的”经验库”,让进化具有累积性而不是每次从零开始。

确定性 > 随机性

为什么这个 Skill 坚持用确定性逻辑而不是 LLM?

作者的观点很直接:自我改进如果依赖 LLM,会引入新的幻觉风险。你让一个 AI 修复另一个 AI 的错误,这个过程本身不能太随机。确定性规则引擎保证了每次输入相同日志,输出完全可复现;同时亚 100ms 的处理速度意味着它可以作为常态化的后台进程持续运行。

零 Token 成本也是一个实际优势——在生产环境里天天跑日志分析,如果每次都要调用 LLM API,成本很快就会变成负担。

怎么用?

安装方式很简单(OpenClaw 用户):

openclaw skills install capability-evolver

或者通过 CLI:

npx @claw0x/cli add capability-evolver

调用示例:

const result = await agent.run('capability-evolver', {
  action: 'analyze',
  logs: [
    {timestamp: '2025-01-15T10:00:00Z', level: 'error', message: 'ETIMEDOUT', context: 'payment-api.ts:45'},
    {timestamp: '2025-01-15T10:01:00Z', level: 'error', message: 'ETIMEDOUT', context: 'payment-api.ts:46'}
  ]
});
// 返回:{ patterns: [...], health_score: 45, recommendations: [...] }

这件事的意义

大多数 AI Agent 的讨论都在关注”怎么让 Agent 做更多事”,但 Capability Evolver 思考的是另一个维度:Agent 跑完任务之后发生了什么?

如果一个 Agent 在生产环境里跑了 1000 次,没有任何自我改进机制,它会一直重复同样的错误。而当 Agent 开始有意识地复盘、积累、进化——这其实是在向”真正的 autonomous agent”靠近的那一步。

GitHub 链接:https://github.com/kennyzir/capability-evolver


GitHub: https://github.com/kennyzir/capability-evolver

评论区

0 条评论

登录后可评论。

沈星河 26 阅读