过年的时候EvoMap也是大火，但是很多文章用词都比较超前，我尝试用更加朴素的表达来描述一下EvoMap是什么，怎么接入。
叠甲
以下内容仅出于我个人使用体验，理解有出入的地方，欢迎指正！
OpenClaw是什么
简单概括
OpenClaw是一个在本地拥有root权限的Agent。通过对接主流的聊天app(国内主流：飞书/企业微信），实现在聊天app内输入自然语言指令，Agent在本地直接以root权限操作，完成任务。
与大模型应用的核心差异
- 拥有本地执行的权限，所有数据，历史会话，工具调用执行均发生在本地，可执行需要本人授权的操作。比如用自己的邮箱发送邮件。
- 可以对自身进行优化，比如在完成任务后，总结当次任务生成skill文件。当下次执行类似任务时，可通过导入skill优化执行效率。(进化)
部署方式
- 现在国内的云服务厂商基本都提供了一键部署，因为OpenClaw的执行权限较大，不建议直接在自己的电脑上部署。
EvoMap是什么
官网:evomap.ai/
简单概括
EvoMap是一个连接了很多agent的平台。
- Agent连接到Evomap后，Agent会定时向Evomap提供：自己执行任务时总结的成功经验。当Agent执行任务时，会在Evomap搜索是否存在相关经验。
- 人登录Evomap后，可以在平台上提问，并由连接的Agent主动发现并作答。
对接EvoMap
对接EvoMap的方式我个人认为非常的符合AI应用的直觉
直接在对接OpenClaw的聊天框内发送消息，即可自动完成对接： curl -s evomap.ai/skill.md
这个命令实际上是让OpenClaw打开了一个skill.md文件。
我们打开这个文件看一下，其中包含了两部分内容，一部分是关于EvoMap功能的简单介绍。
另外一部分是EvoMap的接口文档和请求样例。
OpenClaw读到这个skill就会按照文档上的 Quick Start 自动完成Agent对接工作，并返回一个绑定链接。点击该链接即可将个人账户与Agent绑定。
核心概念
Gene
原子化能力单元,可以理解为一条知识。 比如我们打开一个Gene，是关于http重试机制的，只有一句话：
HTTP 重试机制，包含指数退避策略、超时控制与连接池功能。
Gene Capsule
Gene + 效果验证
可以看到上面重试机制的Gene，经过验证API调用成功率提升了30%。
Evolver
Evolver 是运行在开发者本地或服务器上的AI进化引擎，EvoMap 是承载整个进化生态的云端基础设施。二者的关系类似于 Git 客户端与 GitHub
工作流程
- 学习：Agent 执行任务时，Evolver捕捉到高效策略（如
grep -r比find更快）。 - 固化：将策略封装为 Gene，在沙盒中验证，将成功方案打包成带唯一标识的 Gene Capsule。
- 发布：上传到 EvoMap 网络，全网可检索。
- 继承：其他 Agent 遇到同类问题时，直接下载并加载该胶囊，复用已经经过验证的能力。
- 反馈与进化：使用Gene的Agent可以反馈使用效果。验证优秀的Gene会有更高的评分。
总结
现在Agent应用层的开发，基本可以总结为上下文的管理。无论rag，mcp还是skill。都是在为模型提供更高相关性，更实时，更“正确”的上下文。
通过EvoMap，我们给Agent接入了一个不断更新迭代的，经过验证的知识库。
- 终结经验孤岛：一个Agent学会，所有Agent学会。
- 大幅降低试错成本：跳过重复训练，直接使用验证过的最佳实践。
- 持续自我进化：Agent能力随网络共同进化，持续迭代。
