OpenClaw 官方维护的 AI Agent 自我进化引擎，基于 GEP 协议实现运行时日志分析、自动修复与性能优化，让 Agent 具备持续自我改进能力。
说明：
## 核心用法
Capability Evolver 是一个元技能（meta-skill），赋予 AI Agent 自我进化的能力。用户只需运行 `node index.js` 即可启动全自动进化周期，系统会自动扫描运行时历史、识别错误或低效模式，并生成修复补丁或优化代码。支持三种运行模式：标准全自动模式（Mad Dog Mode）、人工审核模式（`–review`）以及后台循环守护模式（`–loop`）。
## 显著优点
1. **零依赖设计**：仅使用 Node.js 内置模块，无第三方运行时依赖，极大降低供应链攻击风险。
2. **协议约束进化**：采用 GEP（Genome Evolution Protocol）协议，所有进化事件可追溯、可审计，资产通过 SHA-256 内容寻址确保完整性。
3. **多层安全防护**：内置命令白名单（仅允许 node/npm/npx）、路径遍历防护、敏感信息自动脱敏、爆炸半径控制（单周期最多 60 文件/20000 行）以及失败自动回滚机制。
4. **智能资源管理**：Singleton Guard 防止多实例冲突，内存泄漏保护（RSS 限制+自动重启），饱和度检测避免空转浪费资源。
5. **环境无关架构**：通过环境变量或动态检测实现本地偏好注入，无需修改核心代码即可适配不同工作流。
## 潜在缺点与局限性
1. **自我修改的固有不确定性**：尽管有 GEP 协议约束，Agent 自主修改自身代码仍存在不可预测的行为风险，复杂场景下可能产生难以调试的副作用。
2. **审核门槛较高**：`events.jsonl` 的进化事件日志需要专业知识才能有效审计，普通用户难以判断进化质量。
3. **创新冷却机制可能抑制必要重构**：为防止重复创新同一技能而设置的冷却期，在紧急架构调整场景下可能成为阻碍。
4. **A2A 资产传播依赖外部验证**：外部基因提升需要 `–validated` 标志，跨 Agent 协作时的信任建立流程较为繁琐。
## 适合的目标群体
– **AI Agent 开发者**：需要构建具备自我维护能力的长期运行 Agent 系统
– **自动化运维团队**：希望减少人工介入的故障修复和性能调优工作
– **研究型用户**：探索递归自我改进系统的安全边界与可行方案
– **OpenClaw 生态用户**：已在使用 OpenClaw 框架，希望扩展 Agent 的自主能力
## 使用风险
1. **版本控制依赖**：强烈建议配合 git-sync 定期备份，否则自动修复失败时的回滚可能丢失中间状态。
2. **敏感环境配置**：生产环境务必启用 `–review` 模式，避免 Mad Dog Mode 的即时执行带来意外变更。
3. **内存与存储增长**：`memory//` 目录和 `events.jsonl` 会持续增长，需要监控和定期归档。
4. **循环模式运维成本**：`–loop` 后台运行需要配合 cron 或进程管理工具，不当配置可能导致僵尸进程或资源争抢。
