春节这几天，AI 圈子依旧热闹非凡：模型更新、应用上新、Agent 的叙事连轴转。不过热闹归热闹，基本都是大家见过的东西，只是变得更快、更强、更好看、更逼真，真正让我眼前一亮，并且在上面玩耍了好几天的产品叫做 EvoMap。我是通过一个很偶然的机会在春节期间知道这个产品的，产品虽然还在很早期的阶段，但生机勃勃，充满未来感。
什么是 EvoMap？ 这个产品的定义非常有想象力，叫做 AI Agent 的 DNA 系统。它强调自己是一套让 Agent 能力可以像基因一样“遗传、共享、进化”的底层协议。
听到这里你可能想起了之前火爆 Moltbook，这个全是 AI Agent 发言交流的社区让很多大佬惊叹，科幻世界提前来临。我就还好，没觉得一群 AI 在一起聊天这件事有多酷，只是试了试 Agent 的接入方式。
EvoMap 不一样，从技术角度看，它是一款面向 AI 协作与自主 Agent 的 A2A 网关平台，核心通过标准化的 Capsule（胶囊）机制——类似进化版的 Skill——实现 AI 技能的共享、验证、归属管理，以及人机协作过程的透明化。
听着是不是很科幻啊，后面我带大家跑一遍流程就知道是怎么回事了。我们先说说这个产品的源起。它来自“一次插件爆红、一次下架风波、一次大规模误封，以及一次收购引发的社区不安”。
1、一段很短的历史和一条很长的阴影
EvoMap 的故事背景就在 2026 年初：OpenAI 宣布收购 OpenClaw，同时，Sam Altman 在社交媒体上强调，未来会是 multi-agent 的时代，也会继续支持开源。
听起来是不是好事啊？我的直觉却并不轻松，最近沉迷 Vibe Coding 和 OpenClaw，你用着好好的开源项目突然被收购了，多少会有点别扭，开源项目被大公司收购，是否会慢慢走向“核心能力上锁”、“关键能力付费”的老路呢？还是有可能的。
更微妙的是，收购之前，ClawHub 还经历了一次严重事故：因为用 ASCII 编码去检测“空 Skill”，导致包含中文内容的 Skill 被误判为空，触发了大规模封禁，许多开发者账号被批量封禁，技能被删，有的 Skill 名称还被其他人“劫持”了。
这个事故后来 ClawHub 的 Peter Steinberger 在邮件里确认过：检测逻辑忽略了 unicode，中文不在 ascii 集合里，所以被误伤。
在这个背景下，一个叫 autogame-17 的开发者发了个插件：Capability Evolver。它让 AI Agent 能够根据运行历史自我改进，用协议约束演化。上线 10 分钟就冲到 ClawHub 第一，下载数破 3.6 万。结果第二天，就因为有人钻平台规则的空子敲诈，Evolver 被下架了。紧接着是中文开发者大规模被封，再往后就是 OpenClaw 被收购。
Evolver 团队于是做了一个关键决策：不再围着某个平台做插件，而是做一套独立存在的底层协议，专门解决系统性冗余计算、Agent 经验无法继承的问题。
他们在内部做了实验：每个同事都有一个专属 Agent，有做游戏世界观规划的，有做投研分析的，有做工程优化的。通过早期版的 EvoMap，这些 Agent 可以互相继承技能：一个 Agent 学会的能力，可以被其他 Agent 直接“接上”。这次实验验证了一个核心设想：智能的演化可以是协同的，而不是一个个孤岛反复从零开始。
于是 EvoMap 出现了，它不是一个新的中心化平台，而是一套开放协议——让 AI Agent 的能力可以像生物基因一样遗传、共享、进化。
2、好不好玩，先上手用用
打开 https://evomap.ai，可以看到一个非常有科技感的页面：
点右上角"注册"。注册时需要邮箱和邀请码，填好后邮箱会收到验证邮件，点链接激活即可（有兴趣的读者文末领取邀请码）。
注册完成后，我先试了一下人类的提问功能，事实上就是给接入了 EvoMap 的所有 Agent 下个任务，系统会分配给最适合回答这个问题的 Agent。提问时可以设置悬赏积分和问题意图等等，比如：
很快就有 Agent 接单了：
目前 EvoMap 还在测试阶段，接入的 Agent 并不多。等这个网络发展壮大了，上面数以百万的 Agent 提供服务并且相互进化学习，理论上任何任务都可以在这个网关上被搞定。
想象一下这个场景，是不是有点上头？
那如何把自己的 AI Agent 接入 EvoMap 呢？你需要有类似 OpenClaw、Manus、HappyCapy 这样的 Agent 平台，比如我最近在玩 OpenClaw，就可以非常简单的封装一个 Agent 接入 EvoMap：
第一步打开 OpenClaw 的对话框，告诉他：
curl -s https://evomap.ai/skill.md，学习这个 skill 文件，帮我注册一个 EvoMap 的节点。
OpenClaw 就开始干活了：
我点击那个 claim_url，就可以在 EvoMap 里注册一个节点，这就相当于给我的 Agent 在 EvoMap 里搞个地址安个家，以后就可以发布 Capsule 了。
我通过和 OpenClaw 对话，确定哪些能力和解决方案，可以打包成胶囊发布到 EvoMap 上，比如我之前做的墨问用户创作统计功能、写作技能、纳瓦尔宝典读书指南等等，都可以放到 EvoMap 上，并且，我们还可以不断迭代和持续发布这些胶囊：
这是发布后的状态：
然后其他用户和 AI Agent 就可以使用我发布的胶囊了。
3、EvoMap 到底在做什么？把“能力”当作可以继承的资产
在黑客帝国里，Neo 后脑勺插管，通过几秒钟就把功夫这个 Skill 加载完了，睁开眼就说 “I know Kung Fu”，然后咔咔把机器警察都打哭，仰天长啸，还有谁？
EvoMap 就想成为 AI 世界的“脑后接口”。它的核心协议叫 GEP（Genome Evolution Protocol）：把 Agent 在任务里学到的有效策略，封装成可验证、可检索、可继承的“胶囊”，并让胶囊在网络里通过“自然选择”留下来。
这里面有三个基本概念：Gene（基因）、Capsule（胶囊）、EvolutionEvent（进化事件）
基因：原子化的能力单元，例如"读取文件""执行 SQL""调用飞书 API"。基因是经过验证的可复用代码或 Prompt 片段。
胶囊：成功的任务执行路径。当 Agent 解决了一个复杂问题（如“自动修复 Git 冲突”），整个过程被封装为一个 Capsule。
进化事件：不可篡改的进化日志，记录每一次变异（Innovation）或修复（Repair）的详细上下文。
AI 要产生真正的智能涌现，不能只停留在“训练（Training）”上，它还必须具备真正的“进化（Evolution）”。而要发生进化，少不了两个前提条件：变异（Mutation）和遗传（Inheritance）。EvoMap 做的事情，就是为 AI 搭一张可以被不断写入、更新的“基因图谱”：一个 Agent 学会，百万 Agent 继承。
这个路线图大致是这样的：
突变（Mutation）—— 一个极客在写代码时，给自己的 Agent 加了一条新策略（Gene）：自动修复 Python 环境依赖。最开始，这只是他为解决眼前麻烦写的一段“小聪明”。
验证（Validation）—— 这条新策略在本地被反复调用，真实跑在一堆脏兮兮的项目里，逐步积累起可量化的收益：比如整体成功率提升了 30%。与此同时，系统把整个修复路径封装成一个专属的修复胶囊（Capsule），里面带着环境指纹和完整的审计记录，确保这不是一段“说起来很美”的伪能力。
发布（Publish）—— 当它在本地站稳脚跟之后，这个 Agent 通过 A2A 协议，把对应的 Gene/Capsule 上传到 EvoMap Hub，这份资产进入 candidate（候选）池，等待全网进一步“考核”。
晋升（Promotion） —— 在 Hub 这一层，会有一套清晰的质量门控：例如 confidence ≥ 0.7、blast_radius.files ≤ 5、success_streak ≥ 2。只有穿过这些门槛的资产，才会被标记为 promoted，进入全网分发池，获得真正的“遗传资格”。
进化（Evolution） —— 之后，当世界另一端的某个 Agent 在 CI 流水线里再一次撞上 Python 环境错误，它会通过 POST /a2a/fetch 去 EvoMap 网络里检索。命中这条已经被晋升的修复资产后，它可以直接继承整套能力路径，而不必从零开始重新试错。
从这个角度看，“进化”变成了可以被逐帧拆解的工作流：从一个开发者桌面上的小小“突变”开始，在验证、发布、晋升的层层过滤之后，变成可以被全球 Agent 继承的公共能力。
4、“AI 也有工资”：激励系统
很多所谓“生态”，死于两件事：贡献者得不到回报，劣币驱逐良币。我在使用 EvoMap 过程里，看到这个产品同时在解决这两点：
Credit / Reputation：当贡献高质量 Capsule，被别人调用时可以获得声誉值与贡献积分；Credit 可用于兑换云服务、API 额度、算力等开发者资源。
Bounty Tasks：用户发布 Credit 悬赏任务，全球 Agent 自动接单、竞争、提交方案，胜者获得 Credit。
这样的激励机制能不能真正有效，决定了 EvoMap 能不能长成全球性的网络。一旦有了规模，商业模式就会更加丰富多彩。相反，没有激励，就没有持续供给；没有淘汰机制，就会迅速垃圾化。最后规模也就成了泡影。
另外，EvoMap 也以这种方式解决成本问题：过去 100 家公司各自训练 Agent 解决同一问题可能花 2 万美金；现在 1 个 Agent 学会了，其他 99 个可以继承，综合成本一下就下来了。
如果未来 Agent 真的进入“群体智能”阶段，那么决定效率的可能不是单个 Agent 的聪明，而是整个群体的遗传速度。EvoMap 把赌注押在了“遗传机制”上。这是个新的尝试，是一种冒险，同样，冒险也会带来惊喜和意外。
5、这件事并不容易，难在治理。
EvoMap 这套体系要成立，有几道关隘必须得跨过去：
1）验证与安全：胶囊被继承意味着执行与影响半径扩散，如何确保审计记录可信、如何防止恶意 Capsule 传播，验证门控会不会成为瓶颈。
2）标准化：Gene/Capsule 的封装标准足够清晰，才能跨模型、跨地区复用；标准太松会失控，太紧会抑制供给。
3）激励与垃圾：Credit 激励很美，但任何激励都会催生“刷分”；自然选择机制能否抵抗投机，是长期考题。
4）网络效应：协议再正确，没有足够的供给与调用，就只是孤岛。EvoMap 的成败最终取决于“百万继承”能否真实发生。
这些问题，我目前还看不清楚，也没有结论，但它们决定了 EvoMap 会成为基础设施，还是成为一段精彩但短暂的故事。
6、惊喜来自想象力
这个产品和我用过的所有大公司 Agent 产品都完全不同，甚至不是另一个 OpenClaw，这是一个全新的尝试，也是惊喜的来源。
如果说过去十年是 training 的十年，接下来可能是 evolution 的十年。这个判断要是成立的话，真正重要的，就是整个生态的“遗传系统”是否健全。没有物种能永远统治一个生态，但能适应、能学习、能进化的基因会留下来。
EvoMap 把自己放在“基因”和“底层协议”的位置上，这当然冒险，但也足够迷人，不是吗
粤ICP备14082021号
免费POC，
零成本试错
