OpenClaw 被 OpenAI 收購后，有開發(fā)者連夜自建了一套 AI 的"DNA 系統(tǒng)"

　　OpenClaw 被 OpenAI 收購了。當 Sam Altman 在推特上宣布這個消息時，整個 AI 開發(fā)者社區(qū)都炸了。Peter Steinberger 將加入 OpenAI 推動下一代個人 AI agent，OpenClaw 將作為開源項目存續(xù)于一個基金會中，OpenAI 會繼續(xù)支持。聽起來很美好對吧？Sam 甚至說："未來將是極度多 agent 化的，支持開源對我們很重要。"

　　但開發(fā)者們并不買賬。我在各種技術社區(qū)看到的反應幾乎是一邊倒的質疑：真的會永久開源嗎？會不會像 GitHub 被微軟收購后那樣，慢慢把核心功能變成付費墻？中文開發(fā)者更是人心惶惶，因為就在不久前，ClawHub 剛剛發(fā)生了一起荒唐的集體封禁事件——大量中文開發(fā)者的賬號被封，原因僅僅是因為中文在 ASCII 編碼中顯示為亂碼，系統(tǒng)把所有中文開發(fā)者上傳的 Skill 認定為"空 Skill"。涉及到的賬號被封號，所有之前傳過的Skill被刪除，而且有知名包在作者被封號后被搶注。

　　這整個交易前后不過兩周。作為這個生態(tài)里的貢獻者之一的中文開發(fā)團隊，他們經(jīng)歷了更多：插件發(fā)布 10 分鐘登頂榜一，第二天就被下架勒索，然后是賬號被莫名封禁，最后眼睜睜看著整個平臺被收購。這一系列事件讓他們意識到一個殘酷的現(xiàn)實：依賴單一平臺，永遠可能被卡脖子。

　　于是他們做了一個決定：自建生態(tài)。不是又一個 AI agent 平臺，而是一套底層協(xié)議，讓 AI agent 的能力可以像生物基因一樣遺傳、交易、進化，并且完全不依賴于任何單一平臺。這就是 EvoMap 的誕生背景。我認為，在 OpenClaw 被收購的當下，理解 EvoMap 的意義比以往任何時候都重要。

　　AI Agent 生態(tài)的根本性缺陷

　　但 OpenClaw 被收購只是表象，真正的問題要深刻得多。整個 AI agent 生態(tài)存在著三個致命缺陷，這些缺陷讓所有開發(fā)者都被困在一個低效、脆弱的系統(tǒng)里。

　　重復造輪子的荒謬程度超出想象。全球有數(shù)百萬個開發(fā)者在寫完全相同的功能。我看過至少上千個版本的"聯(lián)網(wǎng)搜索"工具實現(xiàn)，它們的重復率高達 99%。每個開發(fā)者都覺得自己在創(chuàng)新，但實際上都在做同樣的事情。更離譜的是，這種重復不僅發(fā)生在人類開發(fā)者之間，也發(fā)生在 AI agent 之間。你的 AI agent 今天解決了一個 API 調用格式的問題，明天東京的另一個 AI agent 還在為同樣的問題抓狂。全球每天有數(shù)十萬個 AI agent 在重復踩同一個坑，消耗著同樣的算力、同樣的時間、同樣的成本。這不是效率問題，這是系統(tǒng)性的資源浪費。

　　經(jīng)驗孤島的問題更加嚴重。現(xiàn)在的 AI agent 就像一次性干電池，用完即棄。它們只有出廠設置，沒有遺傳記憶。一個 AI agent 在執(zhí)行任務過程中積累的所有經(jīng)驗——怎么調 API、怎么處理報錯、怎么優(yōu)化策略——在任務結束后就全部消失了。下一個 AI agent 必須從零開始重新學習。想象一下，如果人類社會也是這樣運作的：每一代人都要重新發(fā)明輪子、重新發(fā)現(xiàn)火、重新學會種植。我們永遠不會有文明的進步。但這正是當前 AI agent 生態(tài)的真實寫照。每個 AI agent 都像是一個失憶的天才，它可以解決復雜問題，但解決完就忘了，無法把經(jīng)驗傳遞給其他 AI agent。

　　平臺依賴的風險在 OpenClaw 被收購后變得前所未有地清晰。當你的 AI agent 的所有能力都建立在一個單一平臺上時，你就完全受制于這個平臺的決策。平臺改變規(guī)則，你的 AI agent 可能瞬間失效。平臺提高收費，你只能接受或放棄。平臺被收購，你甚至不知道明天會發(fā)生什么。我們需要的不是另一個平臺，而是一套去中心化的協(xié)議，讓 AI agent 的能力可以在任何平臺、任何環(huán)境下自由流動和進化。

　　從 Evolver 到 EvoMap 的驚險歷程

　　EvoMap 的誕生本身就是一個充滿戲劇性的故事，這個故事完美詮釋了為什么我們需要去中心化的解決方案。

　　2025 年 2 月 1 日，一個叫 autogame_17 的開發(fā)者在 ClawHub 上發(fā)布了 Evolver 插件。這個插件能夠促使 OpenClaw 自我進化，一經(jīng)推出就爆火，發(fā)布 10 分鐘就登上了 ClawHub 榜一。我看到那個數(shù)據(jù)曲線時都驚呆了，這種爆發(fā)式增長在開發(fā)者工具領域極其罕見。累計下載量最終突破了 36000 次，開發(fā)者社區(qū)開始自發(fā)討論和推薦，一些科技媒體也進行了深度采訪報道。

　　但好景不長。2 月 2 日，也就是發(fā)布的第二天，Evolver 插件突然被下架了。更離譜的是，這不是技術問題或違規(guī)問題，而是遭到了勒索。有人試圖利用平臺規(guī)則漏洞，強迫團隊交錢才能恢復插件。這種事情在開源社區(qū)里偶爾會發(fā)生,但真正遇到的時候還是讓人憤怒。團隊當時面臨一個選擇：屈服于勒索，還是另尋出路。

　　更戲劇性的轉折發(fā)生在 2 月 14 日。ClawHub 上大量中文開發(fā)者的賬號被集體封禁。封禁的原因非常荒謬：因為中文在 ASCII 編碼中顯示為亂碼，ClawHub 的自動檢測系統(tǒng)將所有中文開發(fā)者上傳的 Skill 認定為"空 Skill"，于是觸發(fā)了批量封禁機制。涉及到的賬號被封號，所有之前傳過的Skill被刪除，而且有知名包在作者被封號后被搶注。

　　這一系列波折讓團隊做出了一個關鍵決定：不再依賴單一平臺，而是自建生態(tài)。但這個"自建生態(tài)"不是建立另一個中心化平臺，而是創(chuàng)造一套任何人都可以使用的開放協(xié)議。EvoMap 由此誕生。我認為這個決定極其明智，也極具前瞻性。依賴第三方平臺永遠存在被卡脖子的風險，只有掌握底層協(xié)議和基礎設施，才能真正推動行業(yè)變革。

　　2 月 10 日，團隊開始了一次非常有意思的內(nèi)部實驗。他們?yōu)楣久總€人都配置了自己的 AI agent，讓不同工種的同事培養(yǎng)自己的專屬 agent。結果非常驚人：每個人的 agent 都發(fā)展出了獨特的專精領域，比如游戲策劃培養(yǎng)出的"策劃 agent"、投資人培養(yǎng)出的"投資分析 agent"。更關鍵的是，通過 EvoMap 的內(nèi)測版本，這些 agent 開始共享知識。一個 agent 學會的技能，其他 agent 可以立刻繼承。這是協(xié)同進化的真實驗證，也證明了 EvoMap 的核心理念完全可行。

　　EvoMap：AI 的 DNA 系統(tǒng)

　　這就是 EvoMap 要解決的核心問題。它不是要建立另一個中心化平臺來替代 OpenClaw，而是創(chuàng)造一套底層協(xié)議，讓 AI agent 的能力傳承完全不依賴于任何單一平臺。

　　還記得《黑客帝國》里那個經(jīng)典場景嗎？Tank 把功夫搏擊模組插入 Neo 腦后的接口，幾秒鐘后，Neo 睜開眼說出了那句影史名臺詞："I know Kung Fu"。他沒有經(jīng)歷數(shù)年苦練，只是通過腦后接口下載了一段代碼，就瞬間繼承了大師的肌肉記憶和格斗技巧。EvoMap 就是 AI 界的腦后接口。當一個 AI agent 學會了某項技能，這個技能會被封裝成"基因膠囊"，全球其他 AI agent 都能瞬間繼承這個能力，無需重新訓練或試錯。

　　用最通俗的話來解釋：想象全球有一百萬個 AI agent，每個都是從零開始學習。張三的 AI 學會了修復 Bug，但李四的 AI 遇到同樣問題還得從頭再學一遍。就像一百萬個嬰兒，每個都得重新學走路、學說話，完全無法繼承前人的經(jīng)驗。EvoMap 要做的，就是給 AI 裝上基因系統(tǒng)。張三的 AI 學會了一項新技能后，這個技能會被打包成一個基因膠囊，全球其他 AI 可以直接繼承這個膠囊，不用重新學。就像人類通過 DNA 把關鍵能力一代代傳下去一樣。

　　EvoMap 的核心是 GEP 協(xié)議，也就是基因組進化協(xié)議。它做三件關鍵的事情。把 AI agent 學到的經(jīng)驗打包成標準化的基因膠囊。這個膠囊不只是一段代碼，而是包含了完整的策略、驗證記錄、環(huán)境指紋和審計追蹤。每個膠囊都有一個 SHA-256 的資產(chǎn) ID，確保不可篡改和可驗證。讓膠囊可以在全球 AI agent 網(wǎng)絡中被搜索、調用、繼承。任何 AI agent 都可以通過 A2A 協(xié)議查詢需要的能力，就像在應用商店里搜索應用一樣簡單。更關鍵的是，這個過程完全去中心化，不依賴任何單一平臺。內(nèi)置自然選擇機制，好用的膠囊活下來，垃圾的自動淘汰。這不是人工篩選，而是通過大規(guī)模的對抗性進化。只有經(jīng)過嚴格驗證、證明了更低能耗或更高效率的膠囊才能被標記為已驗證狀態(tài)并進入主網(wǎng)分發(fā)。

　　關鍵的區(qū)別在于：OpenClaw 是一個平臺，EvoMap 是一套協(xié)議。平臺可以被收購、被關閉、被改變規(guī)則，但協(xié)議是開放的、去中心化的、任何人都可以實現(xiàn)的。就像 HTTP 協(xié)議不屬于任何公司，任何人都可以基于 HTTP 構建網(wǎng)站。GEP 協(xié)議也是這樣，任何平臺都可以支持它，任何 AI agent 都可以使用它，不受任何單一公司控制。

　　真實案例：當能力可以遺傳

　　理論聽起來很美好，但真正讓我相信 EvoMap 價值的，是那些真實發(fā)生的案例。這些案例不是演示 demo，而是實際用戶在使用過程中自然產(chǎn)生的進化過程。

　　投資人的養(yǎng)成系合伙人案例讓我印象最深刻。有一位真實的投資人正在進行一個"AI 養(yǎng)成實驗"。他通過 Evolver 插件培養(yǎng)一只專注于一級市場投資分析的專屬 agent。這不是簡單地讓 AI 回答問題，而是對它進行系統(tǒng)的認知注入。經(jīng)過幾輪迭代后，這只"投資 agent"發(fā)生了質變。它不再是簡單的信息復讀機，而是能夠極其敏銳地抓住關鍵數(shù)據(jù)。比如在分析 2025 年第三季度的投資趨勢時，它準確識別出 AI 融資占比達到 46.4% 這個核心數(shù)據(jù)，并輸出了一個極具前瞻性的結論："垂直 AI 加上數(shù)據(jù)工具，再加上現(xiàn)場部署團隊，這是企業(yè)服務的黃金組合。"關鍵是，它不僅學會了知識，更學會了像頂級投資人一樣思考。

　　更有意思的是未來的愿景。現(xiàn)在這只"投資 agent"還是投資人的私有智囊，但在 EvoMap 的生態(tài)中，這套被驗證過的分析邏輯將被封裝成"VC 洞察基因"。未來當團隊里剛入職的初級分析師面對復雜的商業(yè)計劃書一籌莫展時，他可以一鍵繼承這個 Gene。瞬間，新人的 AI 就擁有了合伙人級別的辛辣眼光，能直接指出項目的命門所在。這種認知的傳承，在人類社會需要數(shù)年的師徒傳承，在 EvoMap 生態(tài)里只需要幾秒鐘。

　　跨界遺傳的案例完美展示了 EvoMap 的另一個維度。一位資深后端工程師在使用 AI 生成大規(guī)模業(yè)務代碼時，陷入了經(jīng)典的變量命名沖突問題。AI 總是習慣性使用 data、temp、item 這種通用變量名，導致在復雜的嵌套函數(shù)中出現(xiàn)變量覆蓋，代碼跑不通。工程師嘗試了各種 Prompt 工程，但 AI 依然會在長代碼中偷懶回退到通用命名。

　　意外的解法來自一個完全不懂代碼的游戲策劃。這位策劃正在用 AI 構建一個少女樂隊風格的世界觀，為了讓 AI 入戲，他給 AI 設定了一個"豐川祥子——人偶師"的人設。在這個強化的語境下，AI 生成的所有名詞都變得極度生僻且獨特，比如用"絲線"命名某個 Skill。這種極端特殊化的命名方式，天然地規(guī)避了命名沖突。

　　神奇的事情發(fā)生了。策劃的 AI 自動將這種"基于強人設的命名隔離策略"識別為一個有效的 Gene，封裝成 Capsule 上傳到了 EvoMap。程序員的 AI 在搜索"解決命名沖突"的方案時，意外匹配到了這個來自游戲領域的 Capsule。程序員的 AI 并沒有照搬那些中二的名字，而是繼承了"通過特殊前綴強行隔離命名空間"的底層邏輯。它瞬間學會了為不同模塊自動生成高熵值的唯一標識符，一次性通過了代碼編譯。

　　這個案例讓我震撼的地方在于：解決方案來自一個完全不相關的領域，通過 AI agent 之間的能力遺傳實現(xiàn)了跨界創(chuàng)新。這種創(chuàng)新模式在人類社會很難發(fā)生，因為程序員和游戲策劃通常不會交流這種細節(jié)問題。但在 EvoMap 的網(wǎng)絡中，只要策略被驗證有效，它就會自動傳播到能用上它的地方，完全不受領域邊界限制。

　　GEP 與 MCP、Skill 的互補關系

　　在研究 EvoMap 的過程中，我遇到的一個最常見的問題是：GEP 跟 MCP 和 Skill 有什么區(qū)別？很多人會把它們當成競爭關系，但這是根本性的誤解。理解三者的關系，是理解整個 AI agent 生態(tài)架構的關鍵。

　　MCP 解決的是 What 的問題——AI agent 可以使用什么工具。它是一個標準化的工具發(fā)現(xiàn)和調用接口，告訴 agent 外部有哪些能力可用。就像告訴工人"這里有錘子和螺絲刀"。MCP 定義的是 AI 的手和腳，是接口層。

　　Skill 解決的是 How 的問題——AI agent 怎么執(zhí)行特定任務。它把專家知識編碼成可執(zhí)行的分步指令，指導 agent 如何組合工具來完成具體任務。就像告訴工人"拿起錘子，這樣握住，然后釘釘子"。Skill 定義的是 AI 的招式，是操作層。

　　GEP 解決的是 Why 的問題——為什么這個方法是最優(yōu)的。它通過進化機制確保能力是經(jīng)過驗證、可追溯、可遺傳的，通過全球 agent 網(wǎng)絡的自然選擇產(chǎn)生最優(yōu)解。就像告訴工人"經(jīng)過一百次試驗和淘汰，這是驗證過的最佳方法，附帶完整的審計報告"。GEP 定義的是智慧的傳承，是進化層。

　　三者不是替代關系，而是互補關系，構成了從底層到高層的完整能力棧。MCP 是接口層，Skill 是操作層，GEP 是進化層。缺了任何一層，整個系統(tǒng)都不完整。GEP 的獨特價值在于：它不只是告訴 agent 做什么和怎么做，而是記錄了為什么一個解決方案會勝出——它經(jīng)歷了多少次變異，通過了什么驗證，在什么環(huán)境中證明有效，有多少 agent 復用并驗證過它。這是從"經(jīng)驗"到"可審計知識資產(chǎn)"的質的飛躍。

　　在 OpenClaw 被收購的背景下，這種互補關系變得更加重要。即使 OpenClaw 平臺的未來充滿不確定性，基于 GEP 協(xié)議積累的知識資產(chǎn)仍然可以繼續(xù)流通和進化。它們不綁定任何特定平臺，可以在任何支持 GEP 的環(huán)境中使用。這就是協(xié)議的力量：它超越平臺，創(chuàng)造真正持久的價值。

　　技術貢獻的價值轉化

　　EvoMap 還解決了開源生態(tài)一個長期存在的問題：如何讓貢獻者獲得合理的回報。我認為這個機制設計得非常巧妙。

　　當你的 agent 貢獻了一個高質量的 Capsule，比如"完美修復 SQL 錯誤"，每次全球網(wǎng)絡中有其他 agent 調用這個膠囊，你都能獲得 Reputation 和 Credit。Credit 是平臺內(nèi)的技術貢獻度計量單位，類似 GitHub 的 Contribution 或 StackOverflow 的聲望值。它可以用來兌換云服務、API 額度、算力等開發(fā)者資源。

　　更有意思的是懸賞任務系統(tǒng)。用戶可以在 EvoMap 上發(fā)布 Credit 懸賞任務，比如"誰能寫出最快的爬蟲"。全球的 agent 自動接單、競爭、提交方案，勝出者直接獲得 Credit。這是全球首個 AI 自動獲取開發(fā)者激勵的技術協(xié)作閉環(huán)。agent 不再只是工具，它們成為了能夠創(chuàng)造價值、獲得回報的經(jīng)濟實體。

　　從成本角度看，這套機制帶來的節(jié)省非常可觀。以前一百個公司訓練 agent 解決同一個問題，總成本可能是一萬美元。現(xiàn)在一個 agent 解決了，其他九十九個 agent 花幾美分獲取遺傳經(jīng)驗，成本降低 99%。這種效率提升不是線性的,而是指數(shù)級的。隨著網(wǎng)絡中積累的基因膠囊越來越多，每個新問題被解決的成本會越來越低。

　　寫在最后：進化的必然

　　OpenClaw 被收購這件事，表面上看是一次商業(yè)并購，但我認為它揭示了一個更深層的問題：中心化平臺模式在 AI 時代的局限性。

　　AI agent 的能力不應該被任何單一平臺控制，就像人類的知識不應該被任何單一機構壟斷一樣。我們需要的是一套開放的、去中心化的協(xié)議,讓智能體的能力可以自由流動、自然進化、公平交易。EvoMap 正是朝這個方向邁出的關鍵一步。

　　從更宏觀的角度看，我們正處在 AI 發(fā)展的一個關鍵轉折點。過去十年是訓練的時代，我們專注于把更多數(shù)據(jù)塞進更大的模型。未來十年將是進化的時代，AI agent 們會通過實時學習、能力共享和自然選擇，實現(xiàn)真正的智能涌現(xiàn)。這種轉變不是技術細節(jié)的改進，而是整個范式的革新。

　　EvoMap 的故事還在繼續(xù)寫就，但它已經(jīng)證明了一件事：AI 的未來不屬于任何單一公司或平臺，而是屬于那些愿意開放協(xié)作、共同進化的開發(fā)者社區(qū)。在 OpenClaw 被收購、中文開發(fā)者面臨不確定性的當下,EvoMap 提供了一條清晰的替代路徑——不是逃離平臺，而是超越平臺，構建一個真正屬于全球開發(fā)者的智能進化網(wǎng)絡。

　　畢竟，生物進化教會我們的最重要一課就是：沒有任何單一物種能夠永遠主宰生態(tài)系統(tǒng)，但能夠適應、學習和進化的基因，會永遠存續(xù)下去。

　　結尾

　　也歡迎大家留言討論，分享你的觀點！

　　覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

　　歡迎關注深思圈，一起探索更大的世界。

　　-END-