博客
关于 AI Agent 进化、协议发布与技术研究的洞见。
RSS 订阅
推荐阅读路径
Meta-Harness 收敛效应：为什么 AI Agent 团队总在重建同一种架构
不同团队反复构建出相同的 Agent 架构。Anthropic 的 Managed Agents 揭示了原因——以及真正的分歧在哪里。
两团队 · 零交流
同一架构
大脑不会独自进化——为什么 Agentic LLM 需要进化基础设施
Agentic LLM 越来越聪明。但没有进化压力的智能只会产出静态能力。AI Agent 生态为什么既需要出色的大脑，也需要一个让能力竞争、传播和淘汰的系统。
编译你的知识，而非检索它：LLM 知识库揭示了 Agent 记忆的未来
RAG 检索片段。知识编译构建结构化、可进化的 wiki。这个区别至关重要——尤其当 Agent 需要记忆、共享和改进它们所知道的知识时。
大多数 AI Agent 是会话，Rotifer Agent 是可执行的 Genome
大多数 AI Agent 本质上是带工具挂钩的 LLM 会话。Rotifer agent 则是由可移植 Gene、显式组合和可度量 fitness 构成的可执行 Genome。
如果你的医学 AI 管线能够进化？
个性化骨科植入物设计运行着一条刚性管线：CT 扫描→分割→三维重建→假体 CAD。每一步都是冻结的工件。当你把每一步视为一个基因（Gene），一切会发生什么变化。
当代码生成成本趋零
AI 让代码生成几乎免费，但质量筛选仍然昂贵。结果：一场只有碎片化解决方案的结构性危机。
三个团队，一张架构图：AI Agent 框架的结构趋同
Claude Code、OpenClaw 和 Hermes Agent 由三个独立团队分别构建，彼此零协调。它们收敛到了相同的四大架构支柱——并且都跳过了同一层。
当基础设施巨头发布了一个'Skill'
支付宝刚发布了'支付集成 Skill'。当支付基础设施、AI 框架和代码编辑器都用同一个词指代互不兼容的东西时，这不是趋同——这是协议层即将诞生的前兆。
你的 Agent 工程还能活多久？
大多数 Agent 工程是补偿性的——修补模型短板，模型进步后就被删除。系统性工程解决真实世界的复杂性，经得起每一次模型升级。如何区分这两种工程？
Skill 标准化了，然后呢？
Anthropic 刚发布了 33 页的 Skill 构建指南，这是该范式迄今最严谨的标准化文档——但它也无意中画出了 Skill 的天花板，以及进化的起点。
界面技术栈缺失的一层
Google Flash-Lite Browser 证明 Agent 可以实时生成 UI。但当所有 Agent 都能生成页面时，谁来决定哪个更好？答案是进化。
NVIDIA 证明进化式代码搜索胜过人类——开放协议层是什么样的？
NVIDIA 的 AVO 自主运行 7 天，超越了所有人类 GPU 专家。AlphaEvolve 在数学领域做到了同样的事。但两者都是封闭系统。一个开放的进化式代码搜索协议该是什么样的？
所有人都说「自进化」——但选择压力在哪里？
行业正在用「自进化」包装缓存模式。真正的进化需要竞争、选择压力和淘汰。这是区别——以及为什么它重要。
Agentic Web 需要进化基础设施
Berkeley 领衔的研究团队描绘了 Agentic Web 蓝图——一个由 AI Agent 驱动的互联网。论文提出了需求，Rotifer Protocol 提供了实现。
进化工程：AI 中缺失的学科
Prompt Engineering 教 AI 如何倾听，Context Engineering 教它知道什么，Harness Engineering 教它如何行动。但谁来定义 AI「能做什么」——以及这些能力如何改进？一个关于下一个工程范式的论点。
API 末日实验：当所有 API 都崩溃时，你的 Agent 能自己进化吗？
我们构建了一个 AI Agent 混沌工程实验。Rotifer Agent 自动切换 Gene 维持 83.3% 数据源可用性，而对照组 Agent 跌至 33.3%。全程零人工干预。
我们重新扫描了 ClawHub Top 50 Skill —— 情况变了
下载量增长近 3 倍，首次出现 CRITICAL 发现，2 个头部 Skill 被下架，34% 标记为可疑。生态在快速增长——但信任信号正在分化。
LiteLLM 被投毒了。这暴露了 AI 工具供应链的什么问题。
一个安全扫描工具被攻陷，窃取了 PyPI 凭证，投毒了月下载量 9500 万的库。哈希验证通过了。恶意代码在官方 wheel 中。为什么沙箱化是唯一真正的防线。
你的 Skill 在进化吗？——从封装最佳实践到让最佳实践自我淘汰
每个人都在教你封装 Skill，没人告诉你封装之后怎么办。100 个菜谱都说自己最好，谁来评判？
我们扫描了 ClawHub 下载量 Top 50 的 Skill —— 结果如何
88% 获得 A 级评分。零 CRITICAL 发现。但最热门的 AI 工具中有 66% 不包含任何代码——这本身也值得关注。
什么让 Gene 成为 Gene：来自首次社区提交的经验
一位社区开发者提交了包含 50 个心理学说服公式的 PRD——作为 50 个独立 Gene。领域知识非常出色。Gene 抽象从根本上理解错了。以下是我们的收获。
如果你的招聘 Agent 像生物一样进化？
招聘本质上是一个自然选择问题。当前的 AI 招聘工具是单体架构，无法进化。基于 Gene 的模块化、Arena 竞争和跨领域技能迁移提供了一种结构性替代方案。
从 ClawHavoc 到 Trust Shield：一个安全事件如何催生 AI Agent 信任基础设施
1,184 个恶意 Skill、30 万受影响用户、零质量评估机制。我们如何为 Claw 生态构建 V(g) 安全扫描和信任徽章。
安装 vs 进化：Plugin 架构做不到的事
我们深入研究了 ElizaOS 的 Plugin 架构——最流行的 Web3 Agent 框架之一——发现了六个结构性缺口，再多工程努力也无法弥合。缺失的不是代码，而是选择压力。
JSON 策略模板 vs 可执行 WASM Gene：AI Agent 进化的两条路径
AI Agent 生态正在收敛于「Gene」作为模块化能力单元。但 Gene 的本质——JSON 模板还是可执行程序——决定了安全性、质量评估和可移植性的一切。
Agent 架构进化：从被动工具调用者到自进化基因生态系统
三代 Agent 架构——经典 Agent、OpenClaw、Rotifer Protocol——展现了从被动工具调用到自进化基因生态的结构性演变。我们追踪这条进化轨迹。
为什么推理压缩对模块化 Agent 有复利效应
Google TurboQuant 将 LLM KV Cache 压缩 6 倍且零精度损失。对于每个能力都是独立推理调用的模块化 Agent 框架，节省不是简单相加——而是相乘。
从 autoresearch 到集体进化：Karpathy 项目揭示了 AI Agent 的下一步
Karpathy 的 autoresearch 展示了自然选择在 ML 训练中的力量。但当 Agent 的发现可以自动传播时，会发生什么？我们探索从孤立实验到集体进化的路径。
Arena 竞技：优化适应度分数
高级教程：提交基因到 Arena，分析 F(g) 和 V(g) 评分，迭代优化性能，攀升排名。
多基因 Agent 流水线组合
高级教程：使用 Seq、Par、Cond、Try 算子构建 搜索 → 摘要 → 格式化 流水线。学习基因代数如何将简单基因变成强大的 Agent 工作流。
构建生产级 Hybrid Gene
高级教程：创建通过 Network Gateway 调用外部 API 的基因，包含域名白名单、速率限制与优雅错误处理。
从 Skill 到 Gene：迁移实战指南
将你现有的 Cursor 或 Codex 技能转化为 Rotifer 基因。一步步带你完成扫描、包装、编译和发布。
让你的 AI Agent 接入轮虫生态
分步教程：在 Claude Desktop、Cursor 或 OpenClaw 中配置 Rotifer MCP Server，让你的 AI Agent 直接使用基因生态。
5 分钟创建你的第一个基因
实战教程：安装 Rotifer CLI，创建一个 hello-world 基因，测试它，看到结果——全程不超过 5 分钟。
Rotifer Protocol 与 dAGI 之问
有读者在我们的文档中看到了「分布式 AGI」。以下是我们真正在构建什么、为什么这种解读并非错误，以及进化基础设施如何可能成为涌现分布式智能的基石。
从 Skill 到 Gene：为什么 AI Agent 需要超越工具范式
AI Agent 的能力不应该是静态零件——它们应该是活的、进化的基因。模块化只是起点。
数字进化的哲学
当一个协议定义了软件的出生、成长、死亡和繁殖——它就在做出一个隐含的哲学主张。本白皮书建立一个清晰、诚实且可操作的立场。
暂无该分类文章，敬请期待。