自进化智能体底座RedAgentTeam/gep-harness

GEP Harness — OpenClaw 自进化底座

CI Status
License: MIT
GitHub release
Python 3.10+

版本： v36.1.1（自动同步）
日期： 2026-08-14
作者： RedAgentTeam（@胡老师 / Red Ho）
协议： GEP v1.12.1 (strict)  — 跨协议/项目不变字段
许可： MIT（见 LICENSE）

项目定位

OpenClaw 系统借鉴 DeepSeek 开源 Harness，在不引入 Skill 抽象、不引入插件运行时、保留 Gene/Capsule 体系的前提下，重构 OpenClaw 的 Harness 底座。

4 阶段完成 + 阶段 4 子阶段全部完成：

| 阶段 | 目标 | 状态 |
|---|---|---|
| 阶段 1 | Append-only 事件流（session 轨迹底座）| ✅ DONE |
| 阶段 2 | 工具调用流水线（Hook→Permission→Timeout→Execute→Rewrite→Emit）| ✅ DONE |
| 阶段 3 | Evolver 半自动（Scan/Signal/Mutate/Validate 自动 + Solidify 人工）| ✅ DONE |
| 阶段 4 | A2A 协议（HMAC + GDI v2 + Gene Pool + cron sync + 双节点集成）| ✅ DONE |

目录结构

/data/disk/gep-harness/
├── README.md                          # 本文件
├── Makefile                           # 管理命令（verify / replay / clean）
├── CHANGELOG.md                       # 变更记录
├── 数据溯源.md                          # 引用源头（DeepSeek 文章 + GEP 协议 + 5 库）
├── 方法论.md                          # 启发式联想辅助方法
├── plan/                              # GEP 资产（PLAN 阶段产出）
│   ├── genes/                         # 5 个 Gene
│   ├── capsules/                      # 2 个 Capsule
│   └── events/                        # 3 EvolutionEvent + 1 Mutation
├── openclaw-harness/                  # 阶段 1 BUILD 产出
│   ├── bin/                           # canonicalize.py + event_emitter.py
│   ├── events/                        # append-only events.jsonl
│   ├── tests/                         # 4 pytest
│   └── docs/                          # stage 1 文档
├── openclaw-harness-plugin/           # OpenClaw plugin 源码（注册到 Gateway）
│   ├── index.js                       # api.on("before_tool_call") / api.on("after_tool_call")
│   ├── openclaw.plugin.json           # manifest
│   └── package.json
├── scripts/                           # 验证脚本
└── docs/                              # 项目文档

关键设计决策（继承原则）

| 决策 | 依据 |
|---|---|
| 不引入 Skill 抽象 | OpenClaw 用 Gene/Capsule（~230 tokens 策略单元），Skill 是人类理解载体（~2500 tokens）。两者是 test-time control vs 知识载体的不同尺度 |
| 不引入运行时插件加载 | 动态注入会稀释工具调用信号匹配精度。"稳定边界"原则要求 Gene 库不被运行时修改 |
| 保留 Gene/Capsule 体系 | GEP §1-§5 + EvoMap evolver-claude-code-plugin 标准 |
| Solidify 必走人工审批 | 自动聚合存在系统偏差（Arrow 定理：不存在完美聚合方法），必须人工把关 |
| 启发式联想辅助 | 用"算法流水线 / 细胞膜 / 记忆锚点 / 自然选择 / 演化事件"5 个视角辅助思考决策 |

当前状态

| 项 | 值 |
|---|---|
| 协议版本 | A2A v0.2（behavior_feedback_proof 签名验证）|
| 阶段 1（事件流） | ✅ DONE — 2 个 plugin runtime registered |
| events.jsonl 行数 | 1146+（持续增长）|
| GEP strict 校验 | ✅ 11/11 通过 |
| pytest | ✅ 21/21 通过（3.2s）|
| E2E 双节点 | A↔B 双向 accepted=1，score=1.0，verified=True |

快速使用

看 plugin 状态
openclaw plugins list | grep harness-event-stream

看 events
python3 /data/disk/gep-harness/openclaw-harness/bin/event_emitter.py verify
python3 /data/disk/gep-harness/openclaw-harness/bin/event_emitter.py replay

重跑严格校验
make verify

看 README/数据溯源/方法论
cat 数据溯源.md
cat 方法论.md

下一阶段入口

当前阶段路线图（v36.1.1+ 待办）

| 优先级 | 任务 | 说明 |
|---|---|---|
| P1 | extract_candidate_genes.py LLM 填充 | category/evidence 从占位符改为 LLM 生成 |
| P1 | A2A v0.3 ed25519 keypair | 替代 shared secret |
| P1 | Gene 版本冲突（CRDT）| import 时同 ID 冲突处理 |
| P2 | 美机部署 Layer 1+2 | 两机事件流打通 |
| P2 | A2A 跨机器 E2E | 美机 ↔ 本机真公网 sync |
| P3 | A2A broadcast 模式 | 一对多发布 |
| P3 | GDI 动态阈值 | 随节点历史自适应 |

详见 docs/ROADMAP_v0.5.md（待写）。

现状（2026-08-15 v36.1.1 收尾）

数字口径说明：以下数字均为单一事实源，由 scripts/docs_lint.py --check 实时校对（不依赖历史叙述）。若 README 与实际 drift，请跑 python3 scripts/docs_lint.py --update 同步。

| 维度 | 数据 |
|------|------|
| commit 数 | 202 |
| ROADMAP 期数 | 75（迭代轮次 #1 ~ #75） |
| Gene 总数 | 152¹ |
| Capsule 总数 | 2 |
| Event 总数 | 19（EvolutionEvent） |
| pytest | 220/220
| GEP strict | 7/7 |
| 安全 | 本机运行 / 生产部署未启动 |

协议裁剪说明（P1-4 闭环）

GEP 标准 7 阶段 = Detect → Select → Mutate → Hypothesize → Execute → Evaluate → Solidify。本项目实现裁剪为 5 阶段：Scan → Signal → Mutate → Validate → Solidify。

- 裁剪掉 Hypothesize：本项目的"假设形成"内嵌在 Mutate 阶段（每个候选 Gene 自带 signals_match + 触发条件，相当于把 H 揉进 M），未单独抽象为独立阶段。理由：避免 Hyp 阶段空转（没有可用 feedback 信号时 H 阶段无产物）。
- 裁剪掉 Evaluate：本项目无独立"执行评估"阶段，Validate 替代之——直接跑 GEP strict + pytest + 5 库 evidence 校验，不引入 Evaluate 的双盲测试等重型流程。理由：个人学习项目，重型 A/B 框架成本与收益不匹配。
- 保留 Solidify 人工审批：见上表 + docs/SOLIDIFY.md，人工门是 GEP 7 阶段里唯一不可裁剪的（Arrow 定理 + 认知错觉）。

未来若产品化（多人协作/规模化），可重新引入 H/E 阶段作为 v2.x 路线。

4 阶段闭环（收窄范围优先级：阶段 1+2 最成熟）

1. 借鉴（迭代 #1 ~ #16）：DeepSeek Harness 文章 + 3 件不动的事
2. 自进化（迭代 #17 ~ #65）：Evolver 半自动 + cron 6h
3. 协作网络（迭代 #66 ~ #70）：A2A 双向 157/157 + safe reject 守护 [实验性]
4. 启发式联想辅助（迭代 #71 ~ #75）：v3.0 神经元网络 + runtime learning 复盘 [实验性]

优先聚焦阶段 1+2（事件流 + 工具流水线）——这两个阶段有真实 OpenClaw 插件落地，风险最低。先积累真实用户和 Star，再逐步开放阶段 3+4 的实验性部分。

文档索引

- docs/ROADMAP_INDEX.md — 75 期 ROADMAP 历史索引
- docs/ROADMAP_v14.md — 最新一版 ROADMAP
- docs/SOLIDIFY.md — Solidify 守门规则 + v10.2 修订记录
- learnings/runtime-learning-2026-08-15-full-recap.md — 4 阶段完整复盘

复现脚本（本地跑通，不依赖生产节点）

| 脚本 | 内容 | 验证 |
|------|------|------|
| examples/01_local_evolver.py | 本机 Evolver 一周期（scan → extract → validate） | [SIMULATED: 本地] |
| examples/02_cross_library_evidence.py | 5 库 evidence v3.0 自动生成 | [SIMULATED: 本地] |
| examples/03_a2a_bidirectional.py | A2A 双向同步（端口 19890/19891）| [SIMULATED: 本地] |
| examples/04_pytest_integration.py | pytest 集成 + 跨库示例 | [SIMULATED: 本地] |
| examples/05_png_generation.py | 5 库图谱 PNG 自动生成（需 graphviz） | [SIMULATED: 本地] |
| examples/06_safe_reject_demo.py | 固化安全拒绝守护演示 | [SIMULATED: 本地] |
| examples/07_png_svg_demo.py | PNG + SVG 双格式可视化 | [SIMULATED: 本地] |

所有脚本跑在本机 （VM-0-11-ubuntu），不依赖 美机 （生产节点未启动）。

资产分类说明（脚注）

¹ Gene 总数 152 = 外部知识库导入 Gene (145) + Evolver 候选 Gene (7)

| 类别 | 数量 | 来源 | 变化性 |
|------|------|------|--------|
| 外部知识库导入 Gene | 145 | 技术参考文档（启发式联想辅助） | 相对固定 |
| Evolver 候选 Gene | 7 | cron 6h 从 events.jsonl 挖掘高频工具调用模式 | 每次 cron 周期动态变化 |

口径说明：旧文档中出现的 "149 / 154 / 132 / 494" 等数字 = 不同时间点 Evolver 累积候选数（包含已被 reject 或已被 Solidify 覆盖的版本）。当前可见候选数 = 7（清理后）。如需"全期累积数"，看 docs/ROADMAP_INDEX.md 历史。

SemVer vs 迭代轮次说明：
- 迭代轮次 #1 ~ #75：gep-harness 内部版本（commit 序号，文档用）
- SemVer v0.1.0 / v1.0.0：仅在 GitHub Release tag 使用（如 v33.0）

启发式联想辅助方法论

使用边界（启发式，不是门禁）：

| 场景 | 是否需要 启发式联想辅助 |
|------|---------------------|
| 不可逆架构决策（如是否引入插件运行时）| ✅ 强制 |
| 自动化 vs 人工审批（如是否全自动 Solidify）| ✅ 强制（重锤场合）|
| 日常小改动（如给 Gene 加个字段）| ❌ 不需要 |
| 一般技术权衡（库选择、性能 vs 可读性）| ❌ 不需要 |

证据质量分层：

每条 cross_library_evidence 字段带 reviewed 标记：

{
"cross_library_evidence": [
{
"lens": "algorithm-pipeline",
"evidence": "用算法流水线类比工具调用 4 步: ...",
"reviewed": true   // ← 人工复核确认这个类比成立
},
{
"lens": "cell-membrane",
"evidence": "Ch15 信号传导: ...",
"reviewed": false  // ← LLM 自动生成关键词，未经复核
}
]
}

未复核的证据 = 启发信号，不等于论证。跨学科类比经常是弱类比，强行凑 5 条会降低整体证据信噪比。至少 1-2 条真正相关即可。

保留的"重锤"：Arrow 不可能性证明 Solidify 不能全自动 = 扎实的数学论证，只用在"自动化 vs 人工审批"类高风险决策。其他场合用轻量工程评审代替。

致谢

本项目的诞生，源于一群在不同领域给予我帮助的人。

协议视角（GEP 演化事件）.ai

在我没有任何计算机基础的情况下，evomap.ai 是我唯一的知识来源。这个项目从零到一，都建立在这套系统之上。

- 仓库：https://github.com/EvoMap
- GEP SDK：https://github.com/EvoMap/gep-sdk-js

张昊阳老师

evomap.ai 创始人。给我提供了各方面的很多帮助，没有他的支持就没有这个项目的可能。

理论来源：本项目的核心理论来自张昊阳老师的《自进化 Harness 与协作网络》。

巴芮老师

文章《不会省Token的货车司机不是好极客》对我进行了加持与推广，让更多人看到这个方向。

Klaus 老师

在百度工作。帮助我梳理思路和方向，给我鼓励。在我最迷茫的时候，这些对话是我继续往前开的燃料之一。

张玉新老师（善用佳软）

知名软件推荐博客作者、IT 效率工具深度用户（AutoHotkey / Total Commander）