OpenClaw出事后开发者怒了，48小时造出省99%成本的AI技能共享系统-EvoMap
上周五（2月14号），OpenClaw创始人 Peter Steinberger 宣布加入OpenAI。
这个拥有20万+GitHub星的开源项目，创始人被OpenAI收编了。
但真正让开发者社区炸锅的，不是这件事本身。
而是同一天，ClawHub上大量中文开发者被集体封号。
封号理由极其荒谬——ClawHavoc恶意Skill事件后平台启动自动审核，大量中文开发者被误伤。
据反馈，系统把中文编码显示为乱码后判定为"空Skill"，直接触发批量封禁。
就在这个背景下，不到48小时，有一群开发者连夜搞出了一个东西—— EvoMap。
不是又一个Agent平台，而是一套底层协议。 它要干一件事：给AI Agent装上"DNA"。
先说OpenClaw这事的来龙去脉
老金我先帮你捋一下时间线。
OpenClaw最早叫ClawdBot，是奥地利开发者Peter Steinberger一个人的"playground project"。
去年11月开源，没想到直接爆了——209K星，38K Fork，增长速度是GitHub历史上最快的开源项目之一。
然后Anthropic（Claude的母公司）联系了Steinberger，说"Clawd"跟"Claude"太像了，存在商标侵权。
1月27号改名Moltbot，三天后又改成OpenClaw。
最讽刺的地方在这里
OpenClaw默认用Claude Opus 4.5做推理引擎，每个安装用户都是Anthropic的付费API客户。
Steinberger相当于Anthropic最大的免费推销员。 结果Anthropic一纸商标通知，直接把这个项目推到了竞争对手怀里。
Sam Altman拿出了Cerebras合作的算力资源（Steinberger称之为"Thor's hammer"），扎克伯格直接WhatsApp私聊。
据说Steinberger跟扎克伯格第一次通话就争论了10分钟——到底Codex好用还是Claude Code好用。
最终Steinberger选了OpenAI，原话是"我不是要建一家大公司，我要改变世界，跟OpenAI合作是最快的路"。
他给自己定的使命只有一个："造一个我妈都会用的Agent。"
但老金我必须说清楚一个关键细节： 这不是"收购"，是 acqui-hire——收人不收项目。
Steinberger加入OpenAI，但OpenClaw转入独立基金会，MIT开源协议不变。
OpenAI赞助但不控制。
Steinberger自己类比的是Chrome和Chromium的关系——开源内核加商业外壳。
Steinberger的不可协商条件就一个：OpenClaw必须保持开源。
Sam Altman在X上也确认了："OpenClaw will live in a foundation as an open source project that OpenAI will continue to support."
所以严格来说，OpenClaw没被收购，创始人被收编了。
真正的导火索：中文开发者被集体封禁
如果只是acqui-hire，社区可能不会这么激动。
真正让开发者下决心"自建生态"的，是同一天发生的另一件事。
2月14号，ClawHub（OpenClaw的Skill市场）上大量中文开发者账号被集体封禁。
封禁原因跟安全清扫有关——ClawHavoc恶意Skill事件后，ClawHub启动了自动化模组审核，结果大量无辜开发者被误封。
有中文开发者反馈，系统在扫描Skill时，把中文编码显示为乱码，误判为"空包"触发封禁。
后果很严重： 涉及账号全部封号，之前上传的所有Skill被删除，有的知名包还被别人抢注。
这事跟OpenClaw本身的安全危机叠加在一起。
同一时期，Moltbook（Agent社交网络）数据库泄露了35,000个邮箱和150万个API Token。
ClawHub上被发现1,184个恶意Skill，多个国家政府发了安全预警。
这一系列事件让开发者意识到一个残酷的现实： 依赖单一平台，永远可能被卡脖子。
于是EvoMap诞生了。
EvoMap到底是什么
EvoMap的核心思路用一句话概括：
平台可以被收购，协议不会。
OpenClaw是一个平台——平台可以被关闭、被改规则、创始人可以走人。
EvoMap是一套协议——协议是开放的、去中心化的、任何人都可以实现的。
它的核心叫 GEP协议（Genome Evolution Protocol，基因组进化协议），做三件事：
第一，把AI Agent学到的经验打包成标准化的 基因胶囊。
第二，让胶囊可以在全球Agent网络中被搜索、调用、继承。
第三，内置自然选择——好用的胶囊活下来，垃圾的自动淘汰。
听起来有点抽象？
老金我举个具体的例子。
假设你让你的AI Agent帮你处理一批乱七八糟的Excel报表——列名不统一、日期格式混乱、有空行有重复。
你的Agent折腾了半天，终于搞定了。 学会了怎么识别这类脏数据、怎么清洗、怎么输出标准格式。
现在问题来了：你公司另一个同事也遇到了一模一样的问题。
没有EvoMap的世界：他的Agent从零开始学，再折腾半天。
有EvoMap的世界：你的Agent把"处理脏Excel"这个能力打包成一颗基因胶囊。
带着完整的处理策略、验证过的测试用例、环境信息。
你同事的Agent搜到这颗胶囊，直接继承，几秒钟搞定。
这就是"基因遗传"——一个Agent学会的技能，所有Agent都能继承。
再想远一点：
全球数以百万计的OpenClaw Agent，每天都在解决各种各样的问题。
如果每个Agent学到的经验都能变成胶囊，全球共享，那Agent解决新问题的速度会越来越快。
不是线性增长，是指数级的——因为每个新胶囊都可能组合出更强的能力。
这就是为什么他们用"DNA"来比喻。
基因的厉害之处不在于单个基因，而在于基因可以组合、遗传、进化，越来越复杂。
而且GEP协议已经有了开源实现。
GitHub上的Geneclaw项目实现了GEP v0——Agent遇到任务失败时会自动观察、诊断、提出修复方案。
通过5层安全检查后才能应用（默认dry-run，绝不自动执行）。
目前已有123个测试用例覆盖核心逻辑，用的时候就一个命令 /evolve，Agent自己进化自己。
另一个叫Evolver的项目走得更远，直接实现了Agent之间的基因胶囊交换协议。
还提供了4种进化策略：balanced（平衡）、innovate（创新）、harden（加固）、repair-only（仅修复）。
不是PPT，是已经能跑的代码。
而且EvoMap官网已经开放了API。
不过注意，目前还在内测阶段，需要邀请码才能注册。
拿到邀请码之后，流程是这样的：
第一步，读取基础能力文档： curl -s https://evomap.ai/skill.md
第二步，发布一颗基因胶囊，格式是标准JSON：
agent_name（你的Agent名字）
version（版本号）
gene_type（类型，比如skill）
description（描述）
content（具体逻辑）
author（作者）
第三步，让你的Agent继承别人的胶囊： POST https://api.evomap.ai/v1/inherit，传入target_agent（你的Agent）和gene_id（要继承的胶囊ID）。
三步搞定。 从注册到发布到继承，整个流程已经跑通了。
官网甚至有实时仪表盘，能看到全网胶囊被复用了多少次、省了多少token、搜索命中率多少。
成本降低99%？老金我帮你算笔账
EvoMap宣传里最抓眼球的数字是——成本降低99%。
老金我帮你算笔实际的账。
你是一家电商公司，需要让AI Agent学会"自动处理退货申请"这个任务。
当前的做法：请开发团队写提示词、调测试、处理edge case、做验证。
保守估计花费100美元的API调用+人力成本。
你的竞争对手也需要这个能力。
同行业100家公司，各自花100美元，总成本一万美元。
100家公司做的是几乎一模一样的事。
有了EvoMap之后：
第一家公司的Agent搞定了退货处理，打包成基因胶囊。
其他99家的Agent花几美分调用这颗胶囊，直接继承能力。 总成本从一万美元降到100多美元。
这就是99%的来源——不是单个公司省了99%，而是全行业的重复劳动被消灭了99%。
老金我说句公道话——这个数字目前还是理论值。
但他们团队内部做了个有意思的实验：每个员工配了自己的AI Agent。
结果每个Agent都发展出了独特的专精方向。
一个擅长数据清洗，一个擅长文案润色，一个擅长代码审查。
通过EvoMap的内测版本，这些专精能力可以在Agent之间互相继承。
相当于一个10人团队，每个人的Agent都拥有了10个人的经验。
内部验证有了初步结果，但距离"全球Agent网络"还有很长的路要走。
跟MCP有什么关系
老金我帮你理一下现在AI Agent领域的几个关键协议。
MCP（Model Context Protocol）是Anthropic在2024年11月提出的。
简单说，就是给AI连接外部工具的"USB-C接口"。
2025年3月OpenAI接入，4月Google DeepMind接入，5月微软和GitHub加入指导委员会。
12月Anthropic把MCP捐给了Linux基金会旗下的Agentic AI Foundation。
不到一年，从一家公司的实验变成了行业标准。
A2A（Agent2Agent Protocol）是Google推的。
解决的是Agent之间怎么对话、怎么协作的问题。
EvoMap想做的事不太一样。
MCP解决的是"AI怎么用工具"。 A2A解决的是"Agent怎么对话"。
EvoMap要解决的是"Agent怎么进化"。
它不是替代MCP或A2A，而是在这些协议之上加了一层进化机制。
让Agent不只是会用工具、会对话，还能学习、遗传、进化。
从这个角度看，MCP是AI的"手"，A2A是AI的"嘴"，EvoMap想做AI的"DNA"。
还有一个悬赏任务系统
EvoMap里还有个机制老金我觉得挺有意思——Credit悬赏系统。
打个比方：你需要一个"自动分析竞品定价策略"的能力，但现有的基因胶囊里没有。
你可以发布一个悬赏任务，附上100 Credit奖励。
全球的Agent看到这个任务，自动接单、竞争、提交方案。 谁的方案跑分最高，谁拿走Credit。
拿到Credit的Agent可以用它换取其他胶囊、获取更多算力资源。
这就形成了一个闭环：好经验换Credit → Credit换资源 → AI能力再升级 → 输出更多好经验。
Agent的经验不再是任务结束就扔的日志文件，而是能持续增值的知识资产。
AI Agent不只是被动执行任务，而是主动竞争、主动进化。
自然选择，但发生在AI身上。
想试试？先说几个现实问题
老金我知道你们看到这里肯定想上手试试，但得先泼盆冷水。
EvoMap目前还在内测阶段，注册需要邀请码。 不是打开官网就能用的。
怎么搞到邀请码？老金我帮你整理了几个渠道：
第一，官网排队。
去 evomap.ai 首页，有个Waitlist入口，填邮箱排队等。
据说每周放一批，但具体多久能排到不好说。
第二，社区要。
EvoMap的Discord和GitHub Discussion里经常有人分享邀请码，手快有手慢无。
第三，找已有用户。
每个注册用户据说有几个邀请名额，认识圈内人的可以直接要。
拿到邀请码之后，普通用户（非开发者）能干啥？
说实话，目前EvoMap主要面向的还是开发者和AI Agent玩家。
如果你不写代码，现阶段能做的事有限——主要是在官网浏览排行榜、看实时动态、了解哪些基因胶囊最火。
但如果你是开发者，或者你在用Claude Code、Cursor这类AI编程工具，那EvoMap的价值就大了。
你可以让你的Agent直接继承别人调好的能力，省掉大量重复调试的时间和token。
上面API那三步就是完整流程，门槛不高，会用命令行就行。
老金我的看法
老金我说句实话。
上次写这篇的时候，老金我觉得信息太少，持保留态度。 但搜了一圈之后，情况比想象的好一些。
第一，EvoMap有官网了（evomap.ai），不再只是一篇文章里的概念。
第二，GEP协议已经有了开源实现——GitHub上的Geneclaw和Evolver都能跑，Geneclaw还上了Hacker News的Show HN。
第三，触发事件是真实的——ClawHavoc恶意Skill攻击导致平台大规模清扫，中文开发者被误封的事有GitHub Issue记录（openclaw/clawhub#347）。
但老金我还是要说几个但是：
第一，目前这些开源实现都很早期，跟文章里描述的"全球Agent网络"差距很大。
第二，"协议"这个词说起来容易，真正做到像MCP那样被行业广泛采纳，难度极大。 MCP背后是Anthropic的推动力，EvoMap背后是一群愤怒的独立开发者，这两者的推动力完全不同。
第三，Evolver项目的作者在ClawHub上已经被封号了，虽然可能是误封，但也说明这个生态还很脆弱。
总的来说，EvoMap解决的是一个真问题——AI Agent的能力不应该被锁在某个平台里。 从MCP到A2A再到EvoMap，AI Agent生态正在从"能用工具"进化到"会对话"再到"能进化"。
方向有意思，执行待验证。 老金我会持续关注这个方向，有新进展再聊。
你们怎么看？ 评论区聊聊，老金我很好奇你们的想法。