地球生命 38 亿年，从单细胞到人类，靠的不是"完美设计"，而是"足够好的变异 + 自然选择"的无限迭代。进化不追求最优解，但保证每一代都比上一代更适应环境。这个机制比任何设计都更有生命力。

🧬 进化引擎

v1.0.3 · Evolution Engine

用 38 亿年验证过的机制，让 AI 像生命一样迭代进化

它是什么？

一句话：一个会自己越来越聪明的「做事策略管理器」。

你让 AI 帮你做事情，它会在背后尝试不同的方式、记住哪种效果好、分析为什么好或不好、然后自动调整下次的做法。

用得越多，它越懂你。不是因为它变魔术了——而是因为每一次试错都在积累经验，每一轮进化都在淘汰差的方案。

它跟你有什么关系？

如果你经常用 AI 做事，你会发现：有时候 AI 回答得好，有时候不好。但你不知道为什么好、也不知道怎么让它持续好下去。进化引擎就是解决这个问题——它会帮你找到"什么样的 AI 行为方式最适合你"，然后不断优化它。

跨会话进化：记忆不是目的，进化才是

核心区别

普通记忆系统做的事：记住"你之前说过什么" → 下次加载给你看

进化引擎做的事：记住"之前什么做法有效/无效" → 下次自动调整策略

用户："写公众号文章"
    ↓
【进化引擎检测】任务类型 = 公众号文章
    ↓
【扫描历史】之前做过1次，成功→用了table布局；失败→开头太像说明文
    ↓
【应用进化】这次自动用口语化风格，避免说明文开头
    ↓
【任务完成后】记录结果 → 归因分析 → 更新进化策略

它记录什么？

不是记录"上下文"，而是记录因果关系：

它进化什么？

每次同类任务做完后，进化引擎自动：

1. 分析失败模式 → 同类错误出现2次 → 标记为"避免"
2. 分析成功模式 → 同类成功出现2次 → 标记为"推荐"
3. 下次遇到同类任务 → 自动应用进化后的策略

进化示例

第1次：写公众号文章
→ 用户说"开头太像说明文了"
→ 记录：做法=说明文开头，结果=failed

第2次：写公众号文章
→ 用户说"还是太技术了"
→ 记录：做法=技术化语气，结果=failed

第3次：写公众号文章
→ 进化引擎自动检测：
  "同类任务失败2次，原因：开头方式不对"
  → 建议：这次用故事化、否定预期的开头
→ 用户说"这次好多了"
→ 记录：做法=故事化开头，结果=success

进化完成！

跨会话工作流

会话开始：
    python main.py init <任务类型>
    → 返回进化后的偏好和建议

任务完成后：
    python main.py record <任务类型> <反馈> [细节]
    → 记录结果，触发进化分析
    → 自动检测是否需要自我进化

自我进化：能力不够，自己写代码来补

核心理念

不是"检测到要更新就去更新"，而是自己推理出缺什么能力，自己写新脚本来补上。

类比：

• 被动进化：任务失败→记录→下次避开（策略层面进化）
• 主动进化：发现能力不够→自己写新脚本→注册→变成新能力

它会做什么

自我进化流程

任务记录后 → analyze_and_self_evolve()
    ↓
分析能力缺口
    ↓
发现需要新能力？
    ↓ 是 → meta_evolution.generate_capability()
         → 【防失控检查】
           ├── 去重：能力指纹匹配，已有的跳过
           ├── 合并：功能重叠的合并到现有脚本
           └── 淘汰：30天未使用的废弃脚本清理
         → 通过检查后才生成脚本
         → 自动注册到_meta.json
    ↓
同时执行 self_heal.self_check()
    ↓
检查所有脚本是否正常
    ↓ 有问题 → auto_repair()

防失控机制（核心）

进化引擎不会无限生成脚本。它有四层保护：

能力指纹库：

主动Bug检测范围：

当尝试生成新能力时：

1. 完全同名？→ 跳过
2. 指纹相似（≥2关键词重叠）？→ 复用已有脚本
3. 全新的？→ 才生成

进化脚本生成模板

当检测到需要新能力时，会自动生成对应的脚本：

主动触发

# 主动触发自我进化
python main.py evolve <任务类型>

# 自检（不修复）
python main.py selfcheck

# 自检并自动修复
python main.py selfcheck repair

自我进化

进化引擎会持续自我进化——当发现能力不够时，自己写脚本来补上，不需要人工干预。

它怎么思考？——两件大事

这个引擎做了大部分普通 AI 做不到的事：不只是执行任务，还会反思和进化。

第一件事：像人一样分步骤思考

普通 AI 拿到问题就直接给答案。但你知道真正聪明的人是怎么处理复杂问题的吗？

⚪ 先搞清楚已知什么（事实锚定）
   ↓
🟢 再想几种可能的办法（方案发散）
   ↓
🟡 分析每种办法的好处（价值评估）
   ↓
⚫ 找出每种办法的风险和漏洞（风险扫描）
   ↓
🔵 最后综合判断，给出结论（综合决策）

引擎会把每次推理拆成这 5 个阶段，而且每个阶段的权重是可以进化的：

关键点： 你不需要手动切换模式。引擎自己会通过进化找到最适合你的阶段配比。如果你做的任务需要严谨（比如写代码），它会自动加强「事实锚定」和「风险扫描」；如果是创意类任务，「方案发散」的权重就会升高。

第二件事：做完之后会"复盘"

这是引擎最核心的能力——元认知。

大多数系统只知道自己做得好不好（打个分就完了）。这个引擎多了一层：它知道自己为什么做得好或不好，并据此改变自己的判断标准。

用一个例子对比：

▸ 普通 AI：

做完了 → 得了 60 分 → 下次换个方法试试 → 再做 → 得了 65 分 只知结果，不知原因

▸ 进化引擎：

做完了 → 得了 60 分 → 分析原因：验证太草率，用户要求重试 → 记录下来：「验证不足」出现了 3 次 → 生成洞察："当前任务需要更严格的验证" → 调整内部标准：加大"验证维度"权重 → 下次自动倾向选择高验证级别的策略 → 做完了 → 得了 82 分 理解因果，主动调整

它的"自我复盘"有五步

每完成一个任务，引擎都会跑一遍这个流程：

它能识别哪些"原因"？

每次任务后，引擎会给这次执行贴一个归因标签：

当同一个原因出现 3 次以上，引擎会触发一次"顿悟"——生成一条洞察，影响后续所有策略的选择方向。

💭 示例：「反复出现"验证不够"×5 次」→ 当前任务需要更严格的验证 → 自动提高验证级别在选择时的优先级

进化机制：自然界的智慧

元认知负责"想明白"，进化机制负责"做到底"。两者配合工作。

四步循环

┌─────────────────────────────────────────────────┐
│                                                 │
│  做任务 → 打分 → 归因分析（为什么？）→ 记录     │
│                    ↓              ↓            │
│              满足条件？       数据够了？          │
│              启动进化         触发反思           │
│                    ↓              ↓            │
│    ┌──────────────────────────────────┐        │
│    │ 保留好的 + 微调产生新 + 组合优点 │        │
│    └──────────────────────────────────┘        │
│                    ↓                           │
│        新一轮，用更新后的策略池去尝试             │
│                                                 │
└─────────────────────────────────────────────────┘

策略是什么？——8 个维度的"性格"

策略不是写死的模板，而是 8 个行为参数的组合。就像人的性格可以用外向/内向、理性/感性描述一样：

八个基因维度

① 推理方式 — 遇到问题怎么想

• 分析型 — 拆碎了逐步分析，稳扎稳打
• 直觉型 — 快速抓住重点，直接给答案
• 探索型 — 多种方案择优再动手
• 保守型 — 先验证所有前提，确认后再执行

② 验证严格度 — 做完之后检查多仔细

• 0 直接输出不检查 → 1 快速扫一眼 → 2 检查关键逻辑 → 3 全链路回溯校验（最严）

③ 输出密度 — 跟你说多少话

• 极简 — 只给结论 / 标准 — 结论+关键步骤 / 详细 — 完整过程讲清楚

④ 最大步骤数 — 最多走几步（1–15）

⑤ 工具使用倾向 — 多靠工具还是多靠自己（0 = 纯脑力 → 1 = 积极调工具）

⑥ 重试阈值 — 失败后最多重试几次（0–5）

⑦ 探索宽度 — 同时考虑几条路（1 = 一条路走到黑 → 5 = 多路并行选最好）

⑧ 分阶段管道 — 是否启用 5 阶段思考流程

• 开启后，AI 会按「事实→发散→评估→批判→综合」的顺序结构化思考
• 关闭后（如快速模式），AI 直接输出答案，省时间

💡 内置 5 种预设性格：分析型、快速型、保守型、探索型、均衡型。初始化从这些出发，后续通过进化自动演变。

什么时候会触发进化？

不是每次做完任务都进化。只有满足以下条件之一才会启动新一轮策略更新：

触发后的进化规则：

1. 精英保留 × 3 — 前 3 名直接晋级（带轻微衰减，防止霸榜）
2. 变异 × 3 — 基于精英微调；卡住太久则大改（幅度 × 2.5）
3. 交叉 × 2 — 两个好策略的优点随机拼成新策略
4. 随机新增 × 2 — 全新策略（防止陷入局部最优）

始终维持 10 个候选策略。进化前先触发元认知反思——"想一想"当前数据告诉我们什么。

打分标准：怎么判断好坏？

4 个维度加权计算 0–100 分：

引擎还会自己调整评分权重：

• 碰壁时 → 加大效率和可复用性，鼓励换路试试
• 顺利时 → 加大完成度和满意度，鼓励精准达成目标

使用体验

所有数据保存在本地，完全独立运行。

所谓聪明，不是一开始就选对路。
走错了之后，知道自己为什么走错，
然后下次换条更好的路再试一次。
进化不是天赋，是习惯。

—— 郝多鱼