核心用法
Capability Evolver 是一个元技能（meta-skill），允许 AI Agent 检视自身运行时历史，识别失败或低效环节，并自主编写代码或更新内存以提升性能。
标准运行模式
- 全自动模式（Mad Dog Mode）：
node index.js，立即执行变更 - 人工审核模式：
node index.js --review，变更前请求确认 - 持续循环模式：
node index.js --loop或配合 cron 后台运行
GEP 协议（可审计进化）
内置协议约束的进化提示系统，包含结构化资产存储：
genes.json：可复用的基因定义capsules.json：成功经验胶囊，避免重复推理events.jsonl：追加式进化事件日志（树状结构 via parent id）
环境变量配置
| 变量 | 说明 |
|------|------|
| `EVOLVE_ALLOW_SELF_MODIFY` | 允许修改进化器自身源码（默认false，生产环境**不推荐**）|
| `EVOLVE_LOAD_MAX` | 系统负载上限，超限自动退避（默认2.0）|
| `EVOLVE_STRATEGY` | 进化策略：balanced/innovate/harden/repair-only/early-stabilize/steady-state/auto |
显著优点
1. 闭环自我改进：无需人工干预即可从错误中学习
2. 审计可追溯：GEP 协议确保每次进化事件可追踪
3. 策略灵活：7种内置策略适应不同场景需求
4. 环境解耦：支持本地偏好注入（如飞书卡片报告）而不改动核心代码
5. 负载感知：自动检测系统负载并退避，避免资源争用
潜在缺点与局限性
1. 自修改风险：EVOLVE_ALLOW_SELF_MODIFY 开启后可能引入级联故障，导致提示生成、验证或固化逻辑出现bug
2. 递归陷阱：虽采用严格单进程逻辑防止无限递归，但复杂依赖仍可能引发不可预期行为
3. 策略选择负担：7种策略需要用户理解其差异，auto模式可能选择次优策略
4. 历史依赖：进化质量高度依赖历史日志的完整性和准确性
适合人群
- 需要7×24小时自治运行的AI Agent运维者
- 追求极低人工干预成本的自动化系统架构师
- 具备Git版本控制习惯、能快速回滚的技术团队
常规风险
- 数据完整性：追加式日志若损坏将丢失进化谱系
- 权限失控：自修改权限需严格限制在生产环境之外
- 版本漂移：建议配合git-sync cron作业，避免多节点状态不一致
- 负载误判：
EVOLVE_LOAD_MAX设置不当可能导致过度保守或激进