地球生命 38 亿年，从单细胞到人类，靠的不是"完美设计"，而是"足够好的变异 + 自然选择"的无限迭代。进化不追求最优解，但保证每一代都比上一代更适应环境。这个机制比任何设计都更有生命力。

🧬 进化引擎 3.0.2

用 38 亿年验证过的机制，让 AI 像生命一样迭代进化

</div>

一个越用越懂你的自主进化认知引擎。

第一次互动，它按默认方式回应。几次之后，它开始捕捉你的偏好。十次之后，它能预判你的期望——因为它记住了因果关系，抽象出了概念，演化出了更贴合你的策略。关键是：这不是预设规则，是从你们的每次互动中学出来的。

更重要的是，你不需要手动告诉它什么——它在后台默默运行，自动学习，自动调整。你只管用，它自己会变聪明。

它能做什么？

感知 — 从每次互动中提取成功/失败信号，记录经验，积累异常模式
预测 — 看到任务类型就知道"怎么做更容易成功"，还能模拟推演
因果推理 — 区分"碰巧一起"和"真的导致"，用干预推断和反事实推理回答"如果换做法会怎样"
逻辑验证 — 快直觉毫秒级阻断危险操作，慢逻辑验证推理链完整性
概念抽象 — 举一反三，把 5 次具体经验提炼为可迁移的一般规律
策略进化 — 遗传算法驱动，策略优胜劣汰，还能交叉变异产生新策略
自我监控 — 定期检查系统健康度，自动调节探索/利用节奏
安全守卫 — 所有策略提案必须通过安全审批，危险操作直接否决

以上各功能的完整说明见下方三阶八柱架构。

三阶八柱架构

进化引擎像一个生命体，有八个器官，分成三阶，外加核心调控和守卫，相互配合。

┌──────────────────────────────────────────────────┐
│              感知阶 (Perceptual Order)             │
│              感知器 —— 观察世界，记住经验           │
└──────────────────────┬───────────────────────────┘
                       │ observation / anomaly
                       ▼
┌──────────────────────────────────────────────────┐
│              推理阶 (Rational Order)               │
│   世界模型 + 因果推理 + 符号推理                    │
│   —— 预测未来 / 追溯因果 / 验证真伪                │
└──────────────────────┬───────────────────────────┘
                       │ verified_fact / causal_claim
                       ▼
┌──────────────────────────────────────────────────┐
│              策略阶 (Strategic Order)              │
│   概念形成 + 演化发育                               │
│   —— 举一反三 / 优胜劣汰                           │
└──────────────────────┬───────────────────────────┘
                       │ strategy_proposed
                       ▼
┌──────────────────────────────────────────────────┐
│   约束契约 (守卫) —— 安全审批 / 版本回滚            │
└──────────────────────────────────────────────────┘

         元认知调控 (核心) —— 监控全局 / 调节节奏

感知阶——观察世界

感知器 就像感觉器官+免疫记忆。你得过一次水痘，免疫系统记住了，下次遇到立刻识别。感知器记录成功/失败，积累失败模式，重复出现的模式会触发异常信号。它还能安全执行危险操作——失败了自动隔离，不影响其他功能。

推理阶——理解世界

世界模型 就像内在模拟器。巴甫洛夫的狗听到铃声就知道要吃饭，世界模型看到任务类型就能预测"怎么做更容易成功"。它维护一张概率状态转移表，还能模拟推演——"如果我这样做，3步后会怎样？"

因果推理 就像科学思维。区分"X和Y一起出现"（相关）vs"X导致Y"（因果），用干预推断回答"如果换做法会怎样"，用反事实推理回答"如果当时没那样做会怎样"。

符号推理 就像逻辑审校。快直觉：概率钳位、危险模式阻断、矛盾检测，毫秒级完成。慢逻辑：前向链式推理+冲突消解，保证推理链完整。任何危险操作都会被硬约束阻断。

策略阶——改变行为

概念形成 就像归纳思维。5次"coding+python+medium→高质量"的经验，被抽象为"medium复杂度的coding任务倾向高质量"的概念，可以迁移到其他类似任务。

演化发育 就像自然选择+变态发育。策略池就是基因库——好的策略权重高，长期不用会衰减。成熟后还能交叉（两个策略拼接）和变异（微调已有策略），产生新候选策略。

| 阶段 | 条件 | 解锁能力 | |------|------|---------| | embryonic | 初始 | 基础记录 | | juvenile | 5次成功 | 预测+策略建议 | | mature | 20次成功 | 自动进化(交叉/变异) | | expert | 50次成功 | 概念迁移+规则提案 |

核心——元认知调控

元认知调控 是系统的自我意识。"我在进步吗？"——停滞了提高探索率，成功了巩固利用，振荡了降低学习速率，保证进化方向始终向前。

守卫——约束契约

约束契约 是安全底线。所有策略提案必须经过安全审批才能成为真正改变行为的规则。高置信自动通过，低置信暂缓待审，危险操作直接否决。每次规则变更都有版本化备份，可以回滚。

八柱一览

| 模块 | 所在阶 | 仿生来源 | |------|--------|---------| | 感知器 | 感知阶 | 感觉器官+免疫记忆 | | 世界模型 | 推理阶 | 内在模拟器 | | 因果推理 | 推理阶 | 因果阶梯 (Pearl) | | 符号推理 | 推理阶 | 双过程理论 | | 概念形成 | 策略阶 | 概念形成 (Bruner) | | 演化发育 | 策略阶 | 自然选择+变态发育 | | 元认知调控 | 核心 | 元认知 (Flavell) | | 约束契约 | 守卫 | 基因调控+契约精神 |

信号流动

Sensor ──[observation]──→ WorldModel ──[prediction]──→ Symbolic ──[verified_fact]──→ Concept
   │                          │
   │──[anomaly]──→ Metacognitive ──[meta_adjustment]──→ 全模块
   │──[causal_claim]──→ EvoDevo ←──[concept_formed]── Concept
                             │
                             └──[strategy_proposed]──→ Covenant ──[rule_committed]──→ AGENTS.md

你完全不需要感知它的存在

引擎通过 Heartbeat 机制每30分钟自动扫描对话，识别任务结果，自动学习。你不需要手动操作——只管用，它自己会变聪明。

你在聊天 → 引擎在后台默默运行
         ↓
   每 30 分钟自动执行
         ↓
   扫描对话 → 识别成功/失败 → 调用进化引擎 → 更新策略/规则
         ↓
   下次任务，它已经变聪明了

记录因果，不是记录上下文

普通系统记住的是："用户上次说代码太长了"

进化引擎记住的是："coding 任务 + 输出密度=详细 + 用户反馈=太长太冗余 → 下次 coding 任务输出密度调整为标准"

它记录的是因果关系：什么类型的任务、用了什么做法、结果如何、为什么成功/失败。

| 你说过 | 它下次自动 | |--------|-----------| | "太长太冗余" | 压缩输出密度 | | "验证不够仔细" | 提高验证级别 | | "快速直接就好" | 减少步骤数 |

使用方式

基础记录

# 记录成功
python evolve.py record coding success

# 记录失败，带上下文
python evolve.py record coding failure '{"error": "timeout"}'

查看系统状态

python evolve.py summary       # 进化摘要（人类可读）
python evolve.py summary --json   # JSON 格式
python evolve.py stage         # 发育阶段
python evolve.py health         # 系统健康度

知识与策略

python evolve.py hint coding       # 行为提示
python evolve.py concepts          # 查看概念
python evolve.py strategies coding # 查看策略
python evolve.py evolve coding    # 手动触发进化

规则与契约

python evolve.py rules --status active
python evolve.py covenant list
python evolve.py covenant approve <rule_id>
python evolve.py covenant reject <rule_id>
python evolve.py covenant summary

数据存储

所有数据保存在本地，全模块持久化，原子写入+快照恢复：

data/
├── sensor.json          # 经验记录+免疫记忆
├── world_model.json     # 状态转移+奖励表
├── causal.json          # 因果图 DAG
├── symbolic.json        # 规则库
├── concept.json         # 概念+聚类
├── evo_devo.json        # 策略种群+发育状态
├── metacognitive.json   # 元认知状态
├── covenant.json        # 规则+契约+否决队列
└── snapshots/           # 快照备份

使用体验

| 🤫 | 🧠 | 🔍 | |----|----|----| | 后台静默运行 | 越用越聪明 | 按需查看详情 | | 你不需要感知任何细节 | 积累数据后自动优化 | 想看就能看策略池、因果图、概念库 |

聪明不是一开始就选对路，而是走错了之后知道自己为什么走错，然后下次换条更好的路再试一次。进化不是天赋，是习惯。 —— 郝多鱼