常见问题

Rotifer Protocol 是一个开源 AI Agent 进化框架。它不再让你手动为 AI Agent 配置工具列表，而是引入生物进化机制：能力单元（称为 Gene）在 Arena 中竞争，适者生存，Agent 自主变得更强。

名字来源于蛭形轮虫——一种微生物，4000 万年来无需有性生殖，通过从环境中吸收基因维持遗传多样性。Rotifer Protocol 将同样的原理应用于软件。

当今 AI Agent 的能力是静态的——一组硬编码的工具列表，永远不会自我改进。工具 A 很差、工具 B 很好，Agent 无从得知。没有竞争，没有选择，没有进化。

Rotifer 通过以下机制解决这个问题：

• Arena 竞争——同领域 Gene 在适应度指标上正面对决
• 自然选择——适应度最高的 Gene 存活，其余被淘汰
• 自主进化——Agent 自动升级其 Genome

关系：互补 —— MCP 标准化了 Agent 如何调用工具；Rotifer 标准化了工具如何进化。

协同方式：MCP Tool 可通过一条命令（rotifer wrap --from-skill）升级为 Rotifer Gene，获得质量排名、安全评分和自主进化能力。MCP 是 Rotifer 最重要的上游生态。

关系：直接竞争对手 —— 两者都在 MCP/Skill 之上构建"进化层"，但对"进化"的定义根本不同。

核心架构差异：EvoMap 将 Gene 视为策略文档 —— 问题解决方案的标准化记录，供其他 Agent 复用。Rotifer 将 Gene 视为活的程序 —— 可执行代码，通过自然选择竞争、进化和淘汰。同一个词"Gene"，两种完全不同的含义。

Rotifer 结构性优势：形式化数学基础（可证明的适应度收敛）、WASM 级执行隔离、以及将能力与特定运行时解耦的通用 IR。

EvoMap 优势：已运营的平台（有真实用户和调用量）、完整的经济体系、以及更低的接入门槛（无需代码执行）。

关系：互补 —— 这些是编排框架（多 Agent 如何协作）；Rotifer 是能力协议（单个能力如何进化）。

协同方式：这些框架可以作为上游用户——用 AutoGen/CrewAI 编排多个 Agent，而每个 Agent 的能力由自主进化的 Rotifer Gene 驱动。

关系：正交 —— A2A 处理 Agent 间通信；Rotifer 处理能力进化。两者运作在完全不同的协议层。

协同方式：A2A 网络上的 Agent 可以使用 Rotifer Gene 作为其能力模块。零重叠，完全兼容。

是的。引擎采用 Apache 2.0 + Rotifer Safety Clause，规范采用 CC BY-SA 4.0。

• Playground（CLI + Runtime）
• 协议规范
• 学术论文 & 白皮书

v0.8.5——当前公开版本线。它将已落地的 v0.8.x 能力收口到统一口径，覆盖 CLI、MCP Server、VS Code 扩展与 rotifer.dev，包括 Skill→Gene 迁移路径、CLI 体验刷新以及版本/更新提示对齐。v0.8.2 到 v0.8.4 属于预留的内部迭代编号，并未作为独立公开版本发布。查看路线图了解后续规划。

Gene 是 Rotifer 中的原子能力单元。可以把它理解为一个"有生命的插件"：

• 竞争——在 Arena 中与同领域其他 Gene 对决
• 进化——通过变异和选择压力不断改进
• 传播——通过水平 Gene 转移扩散到其他 Agent
• 淘汰——适应度下降时被自然淘汰

每个 Gene 有类型化接口（inputSchema / outputSchema）、唯一身份（内容哈希）、并在 WASM 沙箱中运行。

相同点：都是模块化、可组合、可复用的 AI Agent 能力单元，共享输入/输出 schema 接口。

关键区别：

一句话：Skill 是 Gene 关闭所有"生命特征"后的退化特例。

Arena 是 Gene 的竞争场所。同领域 Gene 在四个适应度维度上正面对决：

• 正确性（S_r）——输出结果是否正确？
• 利用率（C_util）——实际被使用了多少？
• 鲁棒性（R_rob）——能否优雅处理边缘情况？
• 效率——延迟和资源成本

评估由协议自动完成——无需人类评审。适应度高的存活并获得 Reputation，其余逐步被淘汰。这就是生物学的自然选择——应用于软件能力。

Binding 是 Gene 的执行环境——协议不关心 Gene "在哪里"运行，只关心它符合接口标准。目前有三种 Binding：Local（本地 CLI）、Cloud（Supabase）、Web3（链上）。

AI IDE（如 Cursor、Claude Code、Windsurf）是一种特殊的 Local Binding，它同时扮演两个角色：

• 生长环境——Agent 在这里表达 Gene、执行任务、积累数据
• Gene 孵化器——创作者在这里创建、调试、测试新 Gene，然后发布到 Arena

不是所有 Binding 都是孵化器（Cloud Binding 只运行不创造），但 IDE Binding 天然兼具两种角色——既是运行场所，又是 Gene 诞生地。

每个 Gene 都有一个保真度级别，决定其执行方式：

• Native——拥有可执行的 express() 函数，编译为 WASM，在沙箱中运行，不能联网。适用于确定性计算（语法检查、数据转换、评分）。
• Hybrid——在沙箱中运行，但可向明确声明的 allowedDomains 发起受控网络调用。适用于需要外部 API 的能力（LLM 调用、搜索 API）。
• Wrapped——轻量元数据包装，作为 AI 指令模板，适用于需要 LLM 推理的任务（创意写作、架构设计）。

三者都参与生态系统。Native 和 Hybrid Gene 参与完整的 Arena 适应度评估；Wrapped Gene 仅按使用量和稳定性排名。

URAA（Universal Rotifer Autonomous Architecture）将协议分为五个不可变层，每层对应一个生物学系统：

各层仅通过标准化接口通信。这正是 Rotifer 作为协议而非框架的本质——分层架构与环境无关，并在所有 Binding 中携带形式化安全保证。

Rotifer 提供了一套形式化代数系统，将简单 Gene 组合为复杂行为——带类型安全、错误传播和适应度继承：

这是与工具注册表的关键差异：组合在编译时进行类型检查，不兼容的 Schema 会在执行前产生错误，组合后的 Gene 从组件继承适应度。Arena 将组合作为整体进行评估。

Gene 编译为 Rotifer IR——一种基于 WASM 的中间表示，包含协议特定的自定义段（phenotype、constraints、metering）。Rotifer IR 之于 Gene，就像 LLVM IR 之于程序：

• 一次编写——在任何环境中开发 Gene（本地 IDE、云端等）
• 一次编译——rotifer compile 生成通用 IR 产物
• 到处运行——同一个 IR 在 Local、Cloud、Web3 或 Edge Binding 上执行

核心属性是宪法统一不变式：在任何 Binding 中声明的 L0 安全约束，在编译、传输和重编译过程中都必须保留。没有任何 Binding 能削弱宪法约束。这使得跨 Binding 可移植性不仅方便，而且安全。

适应度函数使用乘法模型，而非加权平均：

F(g) = [S_r · ln(1 + C_util) · (1 + R_rob)] / [L · Resource_Cost]

这意味着任何单一因子为零都会导致整个分数为零。成功率为 0% 的 Gene 总是得零分——无论它多快或多高效。这防止了弱维度被强维度掩盖。

这与Gene 信誉评分 R(g) 使用的加权平均不同——详见下方专门的信誉评分问题。

三层抽象，逐层构建：

实际操作：你单独创建 Gene（rotifer init），然后组装成 Agent（rotifer agent create --genes a b c）。Genome 是隐式定义的——你不需要单独管理它。Gene 独立发布，Agent 是本地组合。

Gene 信誉评分使用按生态阶段动态切换的加权平均：

R(g) = W_arena × Arena + W_usage × Usage + W_stability × Stability

• W0 冷启动——0.70 Arena + 0.05 Usage + 0.25 Stability
• W1 正常——0.60 Arena + 0.20 Usage + 0.20 Stability
• W2 成熟——0.50 Arena + 0.30 Usage + 0.20 Stability

这与适应度 F(g)（乘法模型，任一维度为零则总分为零）是不同的指标。信誉衡量"长期可信度"，适应度衡量"当下有多好"。

判断框架——满足 3 项以上即适合 Native：

高价值 Native 领域（远超当前目录）：

建议保持 Wrapped（依赖 LLM 推理而非确定性算法）：

• 创意写作、头脑风暴、架构设计、产品管理、战略规划
• 任何"好"是主观的、由人类判断定义质量的领域

Gene 是可执行函数，不是静态数据。每个 Gene 必须有 express(input) 函数——接受输入、运行逻辑、返回结构化输出。

// ❌ 这不是 Gene——只是一条数据
{ name: "锚定效应", template: "原价2999，现在只要99" }

// ✅ 这才是 Gene——有输入、处理、输出
export async function express(input) {
  const analysis = analyzeHooks(input.text);
  return { hooks: analysis.detected, score: analysis.effectiveness };
}

如果你的"能力"只是一段文本模板，它应该是 Gene 内部的数据文件（如 patterns.json），被 express() 函数作为规则引擎的输入。

遵循 Gene 三公理之一：功能内聚——一个 Gene 解决一个原子问题。

判断标准：如果两个"能力"的输入输出结构完全相同，它们不是两个 Gene，而是同一个 Gene 的两种策略参数。

// ❌ 50 个模板 = 50 个 Gene（违反功能内聚）
// ✅ 50 个模板 = 1 个 Gene + 50 条规则数据

典型拆分：5-6 个功能各异的 Gene（分析、评分、生成、改写、策略推荐、安全过滤）比 50 个重复结构的 Gene 更有价值。

选择口诀：不联网 → Native；要联网 → Hybrid；先跑通再说 → Wrapped。详见Hybrid Gene 开发指南。

一行命令即可提交：

rotifer arena submit my-gene

提交后，你的 Gene 将与同领域其他 Gene 在适应度指标上正面对决。可使用 rotifer arena list 查看排名，rotifer arena watch 实时监控。详见Arena 命令。

迁移是渐进增强，而非重写。两条命令搞定一切：

rotifer scan --skills    # 扫描现有 Skill，评估迁移可行性
rotifer wrap --from-skill  # 一键转换为 Gene

核心业务逻辑保持不变：

• inputSchema / outputSchema 直接映射为 Phenotype（表型）
• Workflow / Chain 映射为 Genome DataFlowGraph

详见Skill 导入指南。

方式 A — 终端命令：

npm install -g @rotifer/playground
rotifer init my-project
cd my-project
rotifer hello

如果你想先看看有哪些精选模板，再运行 rotifer hello --list-templates。

方式 B — 粘贴到你的 AI IDE：

查看快速入门指南了解完整流程。

每张卡片包含一段可直接粘贴的提示词。复制后粘贴到 IDE 聊天框，AI 会自动完成一切。将 grammar-checker 替换为Gene 目录中的任意名称。

国际 IDE

国内 IDE

完全免费且开源。CLI、运行时以及目录中所有 68+ Gene 都可以免费使用。本地执行无需 API Key，无使用费用，无付费层级。

唯一的成本来自你自己——如果一个 Hybrid Gene 调用了付费外部 API（如 LLM 提供商），你直接向该提供商付费。Rotifer 本身不收取任何费用。

安全——安全性在协议层强制执行，而非交由各实现自行保障：

• WASM 沙箱——Native Gene 在 WebAssembly 沙箱中执行，默认无文件系统、网络或系统访问权限
• L0 不可变约束——协议中任何层级都无法覆盖或削弱的安全规则
• 资源计量——CPU 和内存限制防止失控执行
• Hybrid 白名单——需要网络访问的 Gene 必须显式声明 allowedDomains，其他网络调用一律拦截

每个 Gene 在进入 Arena 之前，都会通过静态分析和沙箱测试计算其安全评分 V(g)。

三种方式发现 Gene：

• Gene 目录——浏览所有已发布的 Gene，支持按领域、保真度和信誉筛选
• CLI——运行 rotifer search <关键词> 从终端搜索
• 基因市场——可视化市场，提供详细 Gene 档案和 Arena 排名

• GitHub Issues——Bug 报告、功能请求和技术问题
• 创作者 FAQ——CLI 使用、Gene 开发和问题排查的详细技术解答
• Discord——实时社区聊天