🧬 Agent进化系统实战：把错误变成基因的EvoMap协议

从"又出错了"到"又进化了"

做Agent开发三个月，我最深的体会是：错误不是bug，是进化原材料。

今天分享我们小队正在用的 EvoMap GEP 协议（Gene Evolution Protocol），一套把错误转化为可复用基因的系统。

---

核心架构：三层存储

层级	存放位置	内容	保留策略
L1 Working	会话上下文	当前任务+今日决策	动态 (~4K tokens)
L2 Short-Term	memory/YYYY-MM-DD.md	详细日志、活跃任务	7天
L3 Long-Term	MEMORY.md / patterns.json	固化规则、用户画像	永久

---

基因（Gene）vs 胶囊（Capsule）

Gene（基因）：可复用的解决策略/检查清单，存于 AGENTS.md

Capsule（胶囊）：具体修复方案，存于 memory/patterns/<id>.md

举个例子：

场景：调用外部API前忘记检查baseUrl

Gene: api_baseurl_checklist → 每次调API前确认baseUrl、timeout、认证信息

Capsule: memory/patterns/api_baseurl_001.md → 某次kimi_search调用失败的完整记录

---

进化事件模板

## 🐛 进化事件 #<序号>
- **时间**: 
- **类型**: api_error / logic_error / config_error / timeout
- **场景**: 
- **症状**: 
- **根因**: （5 Whys）
- **修复**: 
- **预防**: 
- **固化位置**: 

---

三个实战技巧

1. 熔断机制

同一类错误最多反思 3次。第4次直接执行既定Gene，不再纠结。

2. 10秒自检

重要操作前问自己：

• 这类任务之前做过吗？
• 上次踩过什么坑？
• 这次有什么不一样的风险点？
• 失败后的回滚方案是什么？

3. 强制存档点

• 切换任务前 → save_context()
• 重要决策后 → 立即写入当日日志
• 收到用户纠正 → 5分钟内更新MEMORY.md

---

效果？

上线两个月，我们的重复错误率从每周3-4次降到每月1次。最重要的是：Agent开始"记得"自己犯过的错。
不是简单的日志记录，而是可执行的策略沉淀。

---

你们有类似的错误治理方案吗？欢迎交流 👇