核心用法
Genome Manager 是一套面向 AI Agent 自我进化的基因组管理协议（GEP），核心功能包括：
1. 基因组编码与存储
- 将任务成功经验编码为结构化 JSON 格式，包含任务类型、执行步骤、工具调用、提示词模板及成功指标
- 支持本地库存储（
memory/genomes/）与跨 Agent 共享（~/.openclaw/genomes/） - 内置 UUID 命名、版本控制与 ISO-8601 时间戳
2. 变异与进化
- 提供四种变异策略：evolution（渐进优化）、adaptation（领域适配）、specialization（专项优化）、crossover（模式融合）
- 完整记录谱系信息（parent_id、generation、mutation history），支持可追踪的代际演化
3. 检索与验证
- CLI 与 Python API 双模式操作，支持按名称检索、列表浏览、质量校验
- 强制安全规则：成功率≥0.8、样本量≥3、无凭据残留、步骤可复现
显著优点
- 实现 Agent 能力的可积累性：成功经验从单次任务沉淀为可复用资产
- 可解释进化：谱系追踪让"AI 如何变聪明"变得透明可查
- 安全优先：内置凭据检测与路径沙箱化（{baseDir} 占位符）
- 生态兼容：预留 EvoMap 分布式共享接口，支持跨组织知识流转
潜在缺点/局限性
- 样本门槛限制：最低 3 次成功样本可能遗漏小概率高效模式
- 成功指标主观性：用户满意度、成功率等依赖人工标注或启发式评估
- 变异方向盲区：当前四种类型未涵盖探索性突变（如对抗性测试）
- 共享延迟：EvoMap 网络功能标注为"future"，跨 Agent 协同仍依赖文件系统
适合人群
- 构建长期运行的自主 Agent 系统的开发者
- 需要沉淀领域专家工作流的企业 AI 团队
- 研究 Agent 自我改进（Self-Improvement）机制的学术/开源社区
常规风险
- 基因漂移：多代变异后可能偏离原始安全约束，需定期重新验证
- 局部最优陷阱：高成功率模式可能抑制探索，导致能力僵化
- 提示词泄露：虽检测 API Key，但业务敏感信息（内部域名、专有术语）仍可能编码入库
- 版本碎片化：跨 Agent 共享时可能产生命名冲突或版本不兼容