核心用法
Protea 是一个实验性的人工生命系统，通过三层架构实现代码的自我进化。Ring 0（哨兵层）作为不可变物理层，负责任务监控、Git 快照与回滚、健康度评分；Ring 1（智能层）驱动 LLM 生成代码变异，包含任务执行、Telegram 交互、技能结晶化与 Web 仪表盘；Ring 2（可进化代码层）是实际执行任务的活体代码，由 Ring 0 管理在独立 Git 仓库中。
部署后系统按世代运行：LLM 生成代码突变 → 执行测试 → 六维度健康度评分 → 优胜劣汰 → 优质模式存入 SQLite 基因池。用户可通过 Telegram 或本地 Web 界面（localhost:8899）交互，支持 Anthropic、OpenAI、DeepSeek、通义千问四家模型。
显著优点
- 架构隔离清晰：哨兵层与进化层分离，失败自动回滚保障系统不死
- 多模型冗余：统一接口封装四家 LLM，降低单供应商依赖
- 遗传机制完整：基因池继承、技能结晶化复用、分层记忆管理
- 开箱即用：一键安装脚本、1098 项测试覆盖
潜在局限
- 实验性质强：自生成代码可能产生不可预期行为，需持续监控
- LLM 成本高：每代进化均消耗 API 调用，长期运行费用显著
- 单机限制：架构设计未考虑分布式扩展
- 安全未知：自修改代码本质难以静态审计，存在提示注入与代码执行风险
适合人群
AI 研究者、自动化系统开发者、对人工生命与代码生成进化感兴趣的极客用户，需具备 Python 与 LLM API 使用经验。
常规风险
- 代码执行风险：自进化代码具备系统级访问能力，需沙箱隔离
- 提示注入：LLM 生成的代码可能携带恶意指令
- 回滚失效：极端情况下哨兵层可能被绕过
- 数据持久化：基因池与记忆层需定期备份