核心用法
Genome Manager 是 Genome Evolution Protocol (GEP) 的专用基础设施，填补了"基因组作为 Agent 自进化基础却零管理工具"的空白。它通过 Python CLI 和程序化 API 提供完整的基因组生命周期管理：从经验编码（create）、本地库存储（memory/genomes/）、版本化检索（get/list），到支持四种突变类型（进化/适应/特化/交叉）的谱系追踪（mutate），以及基于成功率（≥0.8）、样本量（≥3）、无凭证泄露等规则的入库存量（validate）。基因组采用 JSON Schema 标准化，涵盖任务类型、执行步骤、工具链、提示词引用、成功指标（成功率/耗时/满意度）及完整血缘信息，确保行为模式可被复现、度量和迭代。
显著优点
1. 填补生态空白：首次为 GEP 提供结构化存储方案，解决了 Agent 经验难以沉淀和共享的核心痛点。
2. 进化闭环：支持从原始经验到网络级共享的完整链路（Experience → Encode → Store → Retrieve → Adopt → Evolve → Share），并内置四种生物学启发的突变机制。
3. 可移植与可审计：使用 {baseDir} 变量确保路径跨环境可用；谱系字段（lineage.parent_id、mutations 数组）支持全链路溯源。
4. 安全设计：强制验证规则排除凭证嵌入，为 EvoMap 网络共享建立信任基础。
潜在局限
- 成熟度风险：当前版本仅实现 CRUD 与基础突变追踪（v1.0.1），EvoMap 网络共享标注为 "future"，尚未落地。
- 生态耦合：与 EvoAgentX 的集成示例显示深度依赖特定框架，跨框架通用性待验证。
- 数据积累门槛：入库要求成功率≥80%且样本≥3，冷启动场景下高质量基因组产出速度受限。
- 无自动回滚：突变后若性能退化，需手动介入恢复，缺乏 A/B 测试或自动回退机制。
适合人群
- 构建多 Agent 协作系统、需要经验复用与进化的开发者
- 运行 GEP 或 EvoAgentX 框架的研究者与工程团队
- 希望将任务执行数据转化为可共享策略库的产品团队
常规风险
- 谱系膨胀：长期迭代后突变历史可能冗长，影响存储效率与可读性
- 共享污染：未来接入 EvoMap 时，若验证规则执行不严，可能导致低质量或恶意基因组流入本地库
- 路径注入：
{baseDir}解析若被外部输入污染，可能导致文件系统越权访问