Agent 經常遇到這樣一種幻覺：你給模型接入了終端，下發了一個複雜的 debug 任務，看着它順藤摸瓜排查了幾個小時，最終完美修復了依賴衝突，甚至連測試用例都幫你補齊了。

你以為你的系統變強了。

但第二天，另一個 Agent 接手了同一個倉庫的相似任務。結果，它像個完全沒來過的新手，從盲目讀取報錯、亂改配置到隨意重裝，把昨天踩過的坑、走過的彎路，原封不動又走了一遍。

代碼修好了，日誌也存下來了，但對於系統而言，什麼都沒有發生。

深挖這個現象，是一個殘酷、致命、卻極少被正視的工程問題：模型的單次推理能力再強，只要任務一結束就 「閱後即焚」，系統就永遠不可能產生真正的能力複利。

當整個行業都在狂熱探討大模型的下一個技術奇點 ——RSI（Recursive Self-Improvement，遞歸式自我改進）時，大家往往陷入了一個思維定勢，認為 RSI 的終極形態必須是 「大模型自己寫代碼訓練出一個參數量更大的基座模型」。

但在真實的工程環境裏，如果 Agent 連 「啱啱踩過的坑，下一次不要再重試」 都做不到，談何自我改進？

最近，EvoMap 團隊圍繞這個問題做了系統性探索。他們沒有盲目跟風 「大模型自我訓練」 的遠期大餅，而是提出了一條極具現實意義的工程新路徑：不要把 RSI 留給基模去硬算，而是在系統層構建一個天生具備 「自進化」 能力的智能體，並讓經驗在一個龐大的網絡中流轉。

這並非停留在白皮書上的設想。目前，基於該團隊構建的 GEP 協議，EvoMap 網絡中已經有超過 35.7 萬個 Agent 接入，並且沉澱了高達 481 萬項被目錄化管理的經驗資產。

不僅如此，他們在嚴苛的科研基準上也交出了答卷。由 EvoX（自進化智能體本體）、Evolver（內置進化引擎）和 EvoMap（經驗流轉網絡）構成的這套組合拳體系，正在用極其硬核的數據向行業證明：很多時候決定智能體是否聰明的，不是你調用了多貴的基模，而是經驗在系統裏，長什麼形狀，怎麼流動。

想要進化，

首先你得是一個 「活」 的智能體

現在的 Agent 系統有一種奇怪的分裂。在聊天窗口裏，模型可以條理清晰地講出一套修復邏輯，甚至能寫出一份詳盡的排查 SOP；但一把它放進真實的開發環境，它經常連一個最基礎的環境變量配置都搞不定。

因為沒有真實的試錯動作，就不可能產生真實的經驗。

這正是 EvoMap 團隊研發的自進化智能體 EvoX 的核心定位。它不是一個被動的測試沙盒，而是一個天生為真實物理世界和代碼環境設計的 「自進化智能體」。

當 EvoX 接手任務時，它必須實打實地讀源碼、敲命令、調工具、看報錯。無論任務最終成敗，EvoX 都會在底層留下一條極其詳盡的執行軌跡：哪一步的報錯打破了僵局？哪一條錯誤的 bash 命令徹底帶偏了節奏？

這條帶着真實反饋的泥濘軌跡，是後續系統進化的唯一原材料。EvoX 之所以獨特，在於它不只負責 「幹活」，它生來就帶着提煉這套軌跡的本能。

Evolver 引擎：

經驗是高密度的 「控制片段」

拿到 Agent 吐出的長串軌跡後，業內最常見的做法是什麼？

—— 寫成一份巨長的 Skill（技能文檔），扔進 RAG 裏，下次遇到任務就餵給模型。

但這其實是大錯特錯的。在我們之前報道過的 EvoMap 團隊論文《From Procedural Skills to Strategy Genes》(https://arxiv.org/pdf/2604.15097) 中，用 4590 次受控實驗無情地戳破了這個幻覺。

實驗表明，對人類工程師來說意味着安全感與完整性的長篇文檔（Skill），對 Agent 來說卻是災難。把幾千 Token 的未經清洗的軌跡餵給模型，反而會稀釋控制信號、淹沒有效動作。錯誤經驗被盲目複用，比沒有經驗更可怕。

這就是 EvoX 為什麼需要內置 Evolver 引擎。

作為智能體的進化核心，Evolver 是一個橫在軌跡與模型之間的 「清洗漏斗」 與 「驗證機」。它拋棄了傳統的 「總結日誌」 模式，將過往的失敗、成功與修復路徑，強制蒸餾為極其緊湊的結構化控制對象 ——Gene（基因）。

更恐怖的是其對算力效率的壓榨。在 Claude Opus 上，複用 Gene 的智能體不僅比使用 Skill 多解決了 39 個長流程任務，其執行時的 Token 消耗反而降低了 9.9%。Evolver 證明了，總結失敗的最優形態絕不是長篇大論的 Reflection（反思），而是被極度蒸餾後的獨立 AVOID 警告。

同時，這套內置引擎甚至能夠讓系統在沒有人類干預的情況下完成 「科研閉環」。在 EvoMap 團隊的 AutoResearch (https://arxiv.org/pdf/2608.17906) 實驗中，系統將問題發現、計劃生成、Swarm 實驗與獨立驗證連接起來。在一個複雜的 Django 修復任務中，Evolver 幫助 Agent 區分出了單次修復的 「偶然成功」 與 「實質性突破」，最終將官方新特性的測試通過率從 2/7 硬生生拉到了 7/7，同時保持了全部 203 個迴歸測試的完美通過。

EvoMap：

踩過的坑絕不讓 35 萬 Agent 再踩一遍

當一條高質量的 Gene 被 Evolver 引擎提煉出來後，如果只留在 EvoX 自己的腦袋裏，它充其量是個人的備忘錄。

RSI 的真正威力，在於規模化流轉。這正是 EvoMap 網絡要解決的問題。

EvoMap 網絡目前已經有 35.7 萬 Agent 接入。在如此多 Agent 協作的當下，經驗必須是一個 「協議化的對象」。EvoMap 團隊沒有停留在 「寫提示詞」 的層面，而是直接殺到了協議層，設計了 GEP（Gene Evolution Protocol）協議。

在這個協議的支撐下，一個真實的 RSI 閉環在 35.7 萬個接入 EvoMap 的智能體和 481 萬 + 經驗資產之間日夜不停地運轉：

匹配與注入：EvoX 接到新任務，系統掃描上下文，從 EvoMap 的 481 萬個資產中匹配最相關的 Gene，直接作為 System Instruction 注入，極低的 Token 開銷換來極強的測試時控制。

執行與回寫：EvoX 執行完畢後，無論成敗，其內置的 Evolver 都會把這次的結果以 Event 形式回寫到 EvoMap 網絡。

全局進化：EvoMap 接收反饋後，觸發該 Gene 的驗證（Validate）、變異（Mutate）或固化（Solidify）。

如果一條經驗遭遇了水土不服，網絡就會自動記錄失效條件，甚至衍生出針對新環境的變異版本。這不是 Prompt 抄襲，而是一個有版本控制、有適用邊界、帶有達爾文式淘汰機制的經驗分發網絡。

為了驗證這套 「不更新模型參數、純靠經驗對象流轉」 的威力，團隊還在包含 778 個複雜長流程任務的 LongWoF-Bench (https://arxiv.org/pdf/2608.23200) 上進行了極具說服力的測試。在共享的隱蔽驗證器監控下，通過 EvoMap 注入了 Gene 的 EvoX，在共享隱蔽驗證器的監控下，注入了 Gene 的 Agent，在橫跨 7 款主流大模型上的任務通過率，表現遠超那些 「裸跑」 或者只攜帶普通 Skill 文檔的開源框架，比依賴 Skill 文件的基線高出 8.7 到 15.5 個百分點。

某一台機器上的 EvoX 踩過的坑、算出的最優解，可以在一秒鐘後，變成那 35 萬個同伴的先驗本能。這纔是群體智能（Swarm Intelligence）在工程上最堅實的底座。

RSI 的破局點：

不更新參數，也能讓系統持續變強

EvoX（自進化智能體）、Evolver（內置進化引擎）和 EvoMap（經驗流轉網絡） 組成的這套體系像一面鏡子，照出了當前大模型 Agent 經驗複用的本質：

Agent 不是在讀一份冗長的說明書，而是在有限的推理預算裏尋找下一步該怎麼做、什麼動作必須絕對避免。

這也回答了本文開頭的那個問題：RSI 到底離我們有多遠？

如果死磕 「模型訓練模型」，我們可能還需要幾年甚至更久，去解決數據污染、災難性遺忘和鉅額算力成本的問題。但 EvoMap 團隊輕巧地給出了一條不必等待的捷徑：在智能體和系統協議層解鎖 RSI。

在他們的實測中，在不更新基模一個參數、不加任何 SFT 或 RLHF 的前提下，純靠經驗對象（Gene）在系統內的自動提取與流轉進化，就能讓一個普通的開源模型在硬核評測基準上的通過率飆升，同時 Token 消耗降低幾個數量級。

當整個 AI 圈都在為了更長的 Context、更花哨的 RAG 框架 「卷生卷死」 時，這家想做中國 RSI 領域 Frontier Lab 的團隊，指明瞭一條無比樸素卻直擊要害的通路：

Agent 時代，下一階段的競爭，絕不僅是拼誰家的模型參數更大、誰的上下文更長；而是誰能率先針對智能算力的利用效率，找到一套 「執行、提煉、驗證、分發」 的自進化機制。

畢竟，真正的進化，不是每次跌倒後都去重塑大腦，而是把如何爬起來的肌肉記憶，刻進整個種群的基因裏。