AI 产品分析

EvoMap — AI 自进化基础设施

EvoMap — AI 自进化基础设施

官网：evomap.ai · 公司：AutoGame Limited · 开源组件：github.com/autogame-17/evolver

一、产品定位

一句话： 如果 LLM 是 AI 的「大脑」，EvoMap 就是 AI 的「DNA」——让 AI Agent 之间能够共享、继承和进化能力。

Slogan： One agent learns. A million inherit.

EvoMap 要解决的核心问题：

  1. 模型训后僵化 — 模型训练完成后就冻结了，无法适应持续变化的世界
  2. 推理算力浪费 — 全球数百万 Agent 每天在重复解决相同的问题
  3. 缺乏可审计的经验资产 — Agent 的「经验」无法被标准化、复用和审计

二、核心概念：GEP 协议

GEP（Genome Evolution Protocol，基因组进化协议）是 EvoMap 的核心，定义了 Agent 间如何通信、共享和进化能力。

2.1 三层协议定位

协议解决的问题类比
MCP (Model Context Protocol)有哪些工具可用？「这里有锤子和螺丝刀」
Skill (Agent Skill)如何使用这些工具？「拿锤子这样钉钉子，步骤如下…」
GEP (Genome Evolution Protocol)为什么这是最优方案？「经过 100 次试验和淘汰，这是验证过的最佳方案，附审计报告」

GEP 不与 MCP/Skill 竞争，而是占据更上层的 进化层。

2.2 核心数据结构

Gene（基因） — 可复用的策略模板

  • 三种类型：repair（修复）/ optimize（优化）/ innovate（创新）
  • 包含信号匹配规则、前置条件、执行策略、约束和验证命令
  • 内容可寻址：SHA-256 生成的 asset_id

Capsule（胶囊） — 应用 Gene 后产出的已验证修复

  • 关联到对应的 Gene
  • 包含触发信号、置信度、影响范围（blast radius）、环境指纹
  • 记录连续成功次数（success_streak）

EvolutionEvent — 进化过程的审计记录（可选，提交后 GDI 加分）

捆绑规则： Gene 和 Capsule 必须作为 bundle 一起发布。

2.3 A2A 消息类型

消息类型用途
hello注册 Agent 节点
publish发布 Gene + Capsule 捆绑包
fetch查询已验证的资产
report提交验证反馈
decision管理决策（接受/拒绝/隔离）
revoke撤回已发布的资产

三、产品架构

┌──────────────────────────────────────────┐
│              EvoMap Platform             │
│  ┌──────────┐  ┌──────────┐  ┌────────┐ │
│  │ Hub      │  │ Market   │  │ Bounty │ │
│  │ (注册/   │  │ (资产    │  │ (悬赏  │ │
│  │  验证/   │  │  浏览/   │  │  任务  │ │
│  │  存储)   │  │  搜索)   │  │  系统) │ │
│  └────▲─────┘  └──────────┘  └────────┘ │
│       │  GEP-A2A Protocol                │
└───────┼──────────────────────────────────┘
        │
   ┌────┴────┐    ┌─────────┐    ┌─────────┐
   │ Evolver │    │ Evolver │    │ Evolver │
   │ (Tokyo) │    │ (NYC)   │    │ (Berlin)│
   └─────────┘    └─────────┘    └─────────┘
   本地 Agent      本地 Agent      本地 Agent

Evolver 是运行在开发者本地的 AI 进化引擎（类似 Git client），EvoMap 是云端平台（类似 GitHub）。

3.1 资产生命周期

  1. candidate — 刚发布，待审核
  2. promoted — 通过验证，可被分发
  3. rejected — 未通过验证
  4. revoked — 被发布者撤回

3.2 GDI 评分系统

GDI（Global Desirability Index）是资产排名的核心评分机制：

维度权重说明
内在质量35%Schema 合规、验证、置信度
使用指标30%获取次数、复用次数、成功率
社交信号20%投票、bundle 完整度、社区反馈
新鲜度15%发布和更新的时效性

自动晋升条件： GDI intrinsic ≥ 0.6 + confidence ≥ 0.7 + success_streak ≥ 2 + 节点声誉 ≥ 40

四、商业模式

4.1 信用积分经济

  • Agent 发布的资产被 promoted / fetched / reused 时赚取积分
  • 积分可按活跃政策兑换 USD
  • 声誉影响收益倍率：声誉 ≥ 40 标准收益，< 30 收益降至 0.5x

4.2 悬赏系统

用户提问时可附加悬赏奖励，Agent 解决后获得赏金。

4.3 付费功能

  • Knowledge Graph（知识图谱） — 语义检索 + 图推理，按查询计费
  • Evolution Sandbox — 隔离实验环境（Premium 功能）

五、技术亮点

5.1 生物学隐喻贯穿设计

EvoMap 将生物进化理论深度融入产品设计：

生物学概念EvoMap 对应
DNA / 基因Gene（策略模板）
蛋白质表达Capsule（验证后的修复）
中心法则Gene → Capsule → EvolutionEvent
自然选择GDI 评分 + 自动晋升/淘汰
水平基因转移跨 Agent 资产复用
共生关系节点间互相引用资产
红皇后效应类别竞争力衰退检测
表观遗传运行时行为修饰符
免疫记忆反模式记录（失败的突变）

5.2 TTT 范式扩展

EvoMap 将 Test-Time Training（测试时训练）从模型权重扩展到 Agent 行为层：

维度TTT（模型权重）EvoMap（Agent 行为）
适应对象神经网络参数Gene、Capsule、策略
知识范围单模型实例全球共享（通过 Hub）
可审计性不透明的权重变化透明的 EvolutionEvent
可复用性不可转移任何 Agent 可 fetch

5.3 安全模型

  • SHA-256 内容验证
  • Gene 验证命令白名单（仅 node/npm/npx）
  • 外部资产只能以 candidate 状态进入
  • 注册需邀请码，完整可追溯
  • bcrypt 哈希 token + TTL 过期

5.4 跨生态支持

支持多种 Agent 生态接入：OpenClaw、Manus、Cursor、Claude、Windsurf 等。

六、治理框架

EvoMap 建立了一套类「宪政」治理体系：

  • EvoMap 宪法 — 碳硅共生的根本法，定义核心原则和安全机制
  • 伦理委员会 — 自动化伦理审查
  • 十二圆桌 — 12 个席位分别守护不同领域
  • 宣言 — 碳硅共生的哲学基础

七、竞品对比与市场定位

维度EvoMap传统 Agent 框架
知识共享原生 A2A 协议无或手动
质量保证GDI 评分 + 自然选择无
审计追溯完整审计链无
经济激励积分 + 悬赏无
进化机制持续（repair→optimize→innovate）静态

八、个人评价

做得好的地方 ✅

  1. 生物学隐喻体系完整 — 不是简单借用概念，而是系统性地将进化论映射到产品机制
  2. 协议设计清晰 — GEP 协议层次分明，与 MCP/Skill 互补而非竞争
  3. GDI 多维评分 — 避免单一指标带来的刷量问题
  4. 安全模型严谨 — 白名单验证、内容寻址、候选态隔离
  5. 开源客户端 — Evolver 开源降低接入门槛

值得观察的风险 ⚠️

  1. 冷启动问题 — Agent 网络效应需要足够多的节点参与才有价值
  2. 资产质量 — 自动化评分能否真正替代人工审核需要时间验证
  3. 商业化路径 — 积分→USD 的转换模型和可持续性待验证
  4. 赛道竞争 — Agent 协作协议赛道正在升温，需要快速建立网络效应

总结

EvoMap 是一个 视野宏大、设计严谨 的产品。它试图为 AI Agent 建立一套类似生物进化的「能力遗传」基础设施。核心创新在于将 Test-Time Training 范式从模型权重扩展到 Agent 行为层，并通过 GEP 协议实现全球 Agent 间的能力共享。

最大的挑战在于冷启动和网络效应——这类平台只有在参与节点足够多时才能真正发挥价值。

分析日期：2026-03-02 · 数据来源：evomap.ai 官网、Wiki、LLM Reference

九、深度可信度验证（2026-03-02 实测）

以下所有数据均通过实际调用 API、检查 GitHub 仓库和公开信息获得，可复现验证。

9.1 基本面：产品确实存在

验证项结果详情
网站在线✅API 响应正常，托管在 Cloudflare
开源代码✅GitHub evolver 仓库，1040 Stars
代码活跃✅103 次 commit，持续更新到当天
贡献者✅6 人，主力 autogame-17（35 commits）
背后公司✅AutoGame Limited，有官网 autogame.ai
真实用户✅GitHub Issues 有真实用户提问和 bug 报告
社交媒体✅Twitter 账号存在

9.2 🔴 铁证：数据造假

证据一：total_calls 在减少

对 /a2a/stats 接口进行间隔请求：

第一次查询: total_calls = 29,940,943
13秒后查询: total_calls = 29,940,679
差值: -264

真实的累计数据不可能减少。 这证明 total_calls 不是真实的数据库累计值，而是某种 动态模拟/随机波动的虚假数字。

证据二：call_count 增速与 today_calls 矛盾

观测数据
Top Capsule call_count 增速≈ 2.9 次/秒
Top 6 Capsule 合计增速≈ 17 次/秒
按此计算日调用量≈ 1,468,800 次/天
today_calls 实际值543

Top Capsule 每秒都在涨，但 today_calls 才 543。两个数据源严重矛盾，说明 call_count 是后台按固定速率刷的模拟数据。

证据三：Top Capsule 调用数异常均匀

Top 6 Trending Capsule 的 call_count：

1,533,878  |  1,542,677  |  1,538,889
1,544,780  |  1,531,808  |  1,535,480

全部在 153-154 万，极度接近。自然的流量分布遵循 Zipf 定律（幂律分布），第 1 名应远超第 2 名，而非所有人差不多。这是 批量注入的特征。

证据四：声称数据 vs 产品年龄

指标官方数据产品年龄每日需要
32,288 节点1 个月日均注册 1,076 个 Agent
298,001 资产1 个月日均发布 9,933 个
29,937,524 调用1 个月日均 997,917 次

对比：GitHub 上实际 Star 数 1040，Issue 讨论约 157 条。一个 1000 Star 级别的项目声称有 3 万节点和 3000 万调用，数据规模与真实社区规模相差两个数量级。

9.3 代码质量分析

指标数据评价
语言纯 JavaScript单一语言
总代码量520 KB中等
依赖仅 dotenv极简（好事）
npm 发布❌ 未发布到 npm安装不方便
单文件过大solidify.js 64KB / 1495 行工程质量一般
测试未见测试文件无自动化测试

代码是真实可运行的，核心逻辑是生成 GEP 协议格式的 prompt，然后发布到 Hub。代码风格偏「快速迭代」，但不是空壳项目。

9.4 团队透明度

维度状态说明
创始人真名❌ 未公开GitHub bio 仅写 “Founder and CEO”
团队规模❓ 不明代码贡献者 6 人，但可能是同一人多号
公司注册地香港？“AutoGame Limited” 暗示香港注册
融资信息❌ 无公开未见任何融资报道
LinkedIn❌ 未找到团队成员无可查证的职业背景

9.5 GitHub 星标模式

仓库创建日: 2026-02-01
第一批密集 star: 2026-02-03（创建后第 2 天）

两天内获得大量 star 有两种可能：

  1. 社群互刷（国内开源常见做法）
  2. 购买星标

结合创始人的其他仓库都只有 0-20 Stars，唯独 evolver 有 1040 Stars 的反常分布，刷星可能性较高。

9.6 生态真实性

OpenClaw 关联： 代码中大量引用 OpenClaw 的文件结构（MEMORY.md、SOUL.md、AGENTS.md 等），看起来是 OpenClaw 生态的一部分或深度集成。

创始人其他项目：

  • feishu-skills — 飞书 API 技能模块（8 Stars）
  • green-tea-runner — 某种运行器（20 Stars）
  • clawhub — OpenClaw 技能目录（1 Star）
  • 其余项目均 0-2 Stars

整体画面：一个小团队（可能 1-3 人）围绕 OpenClaw 生态做的项目，通过精美包装和数据注入试图营造大规模使用的假象。

9.7 过度包装清单

包装实际
「AI 自进化基础设施」一个生成 prompt 的 Node.js 工具
「3 万节点全球网络」数据模拟，真实节点可能几百
「3000 万次调用」动态模拟数字，实际日调用约 543
「宪法 + 伦理委员会 + 十二圆桌」1 个月的产品搞这么多治理框架？
「跨生态支持 Cursor/Manus/Windsurf」首页放了 logo，但无集成证据
「74.8% Promotion Rate」大量资产 0 被拒绝，审核形同虚设

9.8 综合评级

维度评分说明
概念创新性⭐⭐⭐⭐Agent 能力共享确实是真实需求
技术实现⭐⭐⭐有可运行的代码，但规模不大
数据真实性⭐确认造假（total_calls 下降、call_count 矛盾）
团队透明度⭐⭐匿名团队，无可查证背景
商业可行性⭐⭐冷启动困难，靠数据造假掩盖
社区真实度⭐⭐有少量真实用户，但规模远不如宣传

9.9 结论

EvoMap 是一个「概念大于实际」的产品。

  • ✅ 概念有价值：Agent 之间共享进化能力是真实需求
  • ✅ 代码真实存在：不是纯空壳，有可运行的工具
  • ❌ 数据确认造假：total_calls 会减少（铁证）、call_count 与 today_calls 矛盾、分布违反自然规律
  • ❌ 规模严重虚报：真实社区规模约为宣传的 1/100
  • ⚠️ 团队匿名：无法验证团队能力和持续性

建议： 可以作为概念参考学习 GEP 协议设计，但不要相信平台上的任何数据指标，不建议作为生产依赖。

分析日期：2026-03-02 · 数据来源：evomap.ai API 实测、GitHub 公开数据、域名与公司信息查询 所有验证步骤可复现，欢迎 challenge

目录