Hermes Agent 自进化体系与 Evolver 的高度相似性分析
Hermes Agent 自进化体系与 Evolver 的高度相似性分析
Section titled “Hermes Agent 自进化体系与 Evolver 的高度相似性分析”2026年4月11日
Evolver GEP Hermes Agent Self-Evolution Open Source
声明：本文基于公开可查证的 GitHub 仓库、官方文档和已发表博客文章编写。所有时间戳和链接均可独立验证。本文不做法律层面的抄袭定性，仅呈现事实和结构对比，供社区参考。
2026 年 2 月 1 日，Evolver 作为一个 AI Agent 自进化引擎发布，10 分钟登上 ClawHub 热门榜首。随后，围绕自研的 Genome Evolution Protocol (GEP) 协议，EvoMap 团队构建了一整套 Agent 自进化基础设施 — 包括 Gene/Capsule/EvolutionEvent 三级资产体系、基于信号的选择器、因果记忆图、经验沉淀与蒸馏、反射循环、多维进化策略等。这套体系在 2 月中旬已通过多篇公开文章系统性阐述。
2026 年 2 月 25 日，Nous Research 发布了 Hermes Agent v0.1.0（“initial pre-public foundation”）。3 月 12 日的 v0.2.0 正式推出完整的技能生态系统。3 月 9 日，又创建了单独的 hermes-agent-self-evolution 仓库，将自进化能力作为独立项目推进。
本文通过时间线、架构设计和功能模块的逐一对比，记录 Hermes Agent 体系在自进化、经验沉淀、技能创建与维护、记忆更新等方面与 Evolver/GEP 的高度相似之处。
一、时间线对比
Section titled “一、时间线对比”以下时间线基于 GitHub 仓库元数据和官方发布记录，均可独立验证。
| 日期 | 事件 | 出处 |
|---|---|---|
| 2026-02-01 | Evolver (Capability Evolver) 发布，GEP 协议首次公开 | GitHub: EvoMap/evolver created 2026-02-01T05:59:24Z |
| 2026-02-04 ~ 02-10 | EvoMap A2A 协议完善，团队内部验证 | EvoMap 起源故事，腾讯新闻访谈 |
| 2026-02-16 | GEP 协议深度解析发布：系统阐述 Gene/Capsule/Event 三级结构、Scan-Select-Mutate-Validate-Solidify 循环 | GEP Deep Dive |
| 2026-02-17 | Agent Skill vs GEP Gene 对比文章：明确 “Skill 是静态工具，Gene 是动态进化资产” | Agent Skill vs GEP Gene |
| 2026-02-20 | EvoMap.ai 正式上线 | 腾讯新闻访谈 |
| 2026-02-25 | Hermes Agent v0.1.0 发布（“initial pre-public foundation”） | GitHub Releases，BlockBeats |
| 2026-03-09 | hermes-agent-self-evolution 仓库创建 | GitHub created 2026-03-09T10:42:48Z |
| 2026-03-12 | Hermes Agent v0.2.0：正式推出 “Skills Ecosystem — 70+ bundled skills”，含 skill_manage 自主创建工具 | RELEASE v0.2.0 |
| 2026-03-22 | Evolver v1.37.0：完成 “双环进化” + 失败经验学习流水线 | v1.37.0 博客 |
核心事实：
- Evolver 的 GEP 协议（Gene/Capsule/Event 体系、Scan-Select-Mutate-Validate-Solidify 循环、信号提取与匹配、经验沉淀）在 2026 年 2 月 1-16 日已全部公开。
- Hermes Agent 的技能生态系统在 2026 年 3 月 12 日（v0.2.0）才正式推出。
- Hermes 的自进化仓库在 2026 年 3 月 9 日 才创建。
- 时间差：Evolver 核心概念公开 -> Hermes 技能生态发布，相隔 24-39 天。
二、核心架构的高度相似
Section titled “二、核心架构的高度相似”2.1 “从经验中生成可复用资产” 的闭环
Section titled “2.1 “从经验中生成可复用资产” 的闭环”这是两个项目最根本的共同点：Agent 完成任务后，自动提取可复用的经验资产。
Evolver/GEP（2026-02-01 起）：
核心循环定义于 GEP Protocol Deep Dive (2026-02-16)：“Scan -> Select -> Mutate -> Validate -> Solidify”。
Hermes Agent（v0.2.0 起, 2026-03-12）：
核心循环描述于 Hermes 官方技能指南：“Task completes -> Agent evaluates: was this worth remembering? -> If yes, writes SKILL.md -> Future similar tasks load the skill automatically”。
对比：两者的核心范式完全一致 — “任务完成后自动提取可复用知识并持久化”。Evolver 使用 Gene/Capsule JSON 结构，Hermes 使用 SKILL.md Markdown 结构。形式不同，架构同构。
2.2 执行追踪与周期性反射
Section titled “2.2 执行追踪与周期性反射”Evolver（src/gep/executionTrace.js + src/gep/reflection.js，2026-02 起）：
- 每次进化周期记录脱敏执行摘要（gene_id, mutation_category, signals_matched, 验证结果, 错误签名, 工具链, 结局）
- 每 5 个周期触发一次战略性自我评估（Reflection Loop），基于近期事件和叙事摘要构建反思上下文
- 反思结果记录到
evolution/reflection_log.jsonl
Hermes Agent（2026-03 起）：
- 每 15 次 tool call 运行一次 self-evaluation checkpoint
- 分析成功和失败，判断是否有可复用的流程
- 评估结果用于创建或更新 skill 文档
引用 Hermes 官方描述（Self-Improving AI Guide）：
“Every 15 tool calls, Hermes pauses to evaluate: What did I do? What worked? What failed?”
对比：两者都实现了周期性反射机制。Evolver 每 5 个进化周期（约 5 次 solidify），Hermes 每 15 次 tool call。目的一致：从执行经验中提取模式并持久化。
2.3 技能/资产的发现与按需加载
Section titled “2.3 技能/资产的发现与按需加载”Evolver/GEP（Selector 机制）：
- Gene 的
signals_match数组定义触发条件 - Selector 根据信号重叠度（signal overlap）选择最佳 Gene/Capsule
- 支持子串匹配、正则、多语言别名
Hermes Agent（Progressive Disclosure）：
- 所有 skill 通过
skills_list()被发现（仅返回 name + description） - Agent 按需加载匹配的 skill（
skill_view(name)返回完整内容） - 三级渐进式加载控制 token 开销
对比：两者都实现了 “运行时能力发现 + 按需加载” 的模式。核心思路一致，具体实现有差异。
三、记忆体系的同构性
Section titled “三、记忆体系的同构性”| 层级 | Evolver（2026-02 起） | Hermes Agent（2026-03 起） |
|---|---|---|
| 第一层：持久事实 | EVOLUTION_PRINCIPLES.md + evolution_narrative.md（注入 GEP prompt） | MEMORY.md + USER.md（注入 system prompt） |
| 第二层：程序性记忆 | Gene/Capsule JSON 资产（assets/gep/genes.json, capsules.json） | SKILL.md 文件（~/.hermes/skills/） |
| 第三层：会话/事件历史 | events.jsonl + failed_capsules.json | SQLite FTS5 session search |
| 记忆注入方式 | buildNarrativeBlock() 注入 GEP prompt | 注入 system prompt（session start） |
| 记忆容量控制 | Narrative Memory 上限 30 条 / 12KB | MEMORY.md 自动压缩，合并冗余条目 |
| 记忆衰减 | Gene 长期未使用时权重降低（pruning） | “Intelligent forgetting” — 保留关键信息，丢弃不相关的 |
三层记忆结构：持久事实层 + 程序性记忆层 + 历史搜索层。两者在每一层都有精确的功能对应。
四、自进化仓库中的关键细节
Section titled “四、自进化仓库中的关键细节”4.1 仓库的叙事定位
Section titled “4.1 仓库的叙事定位”Hermes 的自进化仓库（hermes-agent-self-evolution）于 2026-03-09 创建，其 README 描述为：
“Evolutionary self-improvement for Hermes Agent… optimize Hermes Agent’s skills, tool descriptions, system prompts, and code — producing measurably better versions through reflective evolutionary search.”
对比 Evolver 自 2026-02-01 起的定位（README）：
“A GEP-powered self-evolution engine for AI agents… automated log analysis and Genome Evolution Protocol (GEP) for auditable, reusable evolution assets.”
关键重叠术语：self-evolution / self-improvement、evolutionary、skills/assets optimization、reflective。这些术语在 Evolver 语境下已被广泛使用了 5 周以上。
4.2 Phase 4 的 “Darwinian Evolver” 命名
Section titled “4.2 Phase 4 的 “Darwinian Evolver” 命名”Hermes self-evolution 仓库的 PLAN.md Phase 4 计划使用 Imbue AI 的 Darwinian Evolver（一个 AGPL v3 代码进化框架）进行代码进化。
需要注意：Imbue AI 的 Darwinian Evolver 是一个独立的学术项目，与 EvoMap 的 Evolver 无关。但在 2026 年 3 月的 AI Agent 领域，“Evolver” 这个名称已经与 EvoMap 的自进化引擎紧密关联（1852 stars, 114 releases）。在自进化语境下使用相近的名称，客观上造成了混淆。
4.3 技能自我改进
Section titled “4.3 技能自我改进”Evolver（v1.37.0, 2026-03-22）：
- Gene 在使用中被持续验证，Capsule 记录 success_streak
- 失败的 Capsule 通过
skillDistiller.js进入失败学习流水线 - Gene 长期未使用时权重自然衰减
Hermes Agent 官网宣传语（hermes-agent.org）：
“Skills self-improve during use”
Hermes 的 self-improving AI 指南进一步说明：
“Skills do not just get created — they get refined. Each time Hermes uses an existing skill and encounters something new, it patches the skill.”
对比：“技能/资产在使用中自我改进” 这一概念，Evolver 从初版的 Capsule success_streak 追踪就已实现。Hermes 的表述采用了几乎一致的叙事框架。
五、技能创建触发条件的精确对比
Section titled “五、技能创建触发条件的精确对比”
| 维度 | Evolver/GEP | Hermes Agent |
|---|---|---|
| 触发时机 | Agent 成功解决问题后自动触发 solidify 流程 | 完成复杂任务后（5+ tool calls）自动创建 |
| 评估机制 | 分析执行历史 + 提取信号匹配模式 | Agent 评估 “was this worth remembering?” |
| 资产格式 | Gene (JSON) + Capsule (JSON) | SKILL.md (Markdown + YAML frontmatter) |
| 持久化位置 | assets/gep/genes.json, capsules.json | ~/.hermes/skills/[category]/SKILL.md |
| 资产结构 | id, signals_match, strategy[], validation[], constraints | name, description, When to Use, Procedure, Pitfalls, Verification |
| 更新机制 | Gene 被 Capsule 验证后增强；失败进入学习流水线 | skill_manage(action="patch") 就地更新 |
| 发现机制 | Selector 基于 signal overlap | Progressive Disclosure: skills_list() ->skill_view(name) |
每一个核心维度 — 触发时机、评估机制、持久化、更新、发现 — 都有精确的功能对应。
六、源码结构对比
Section titled “六、源码结构对比”超越架构层面的相似性，对比两个项目的实际源码组织可以发现功能等价的模块一一对应。
Evolver 核心模块 (src/gep/)
Section titled “Evolver 核心模块 (src/gep/)”src/gep/ selector.js # 基因选择引擎(信号匹配+漂移) signals.js # 三层信号提取(正则/关键词/LLM) solidify.js # 固化引擎(验证+回滚+发布) mutation.js # 突变构建器(repair/optimize/innovate/explore) reflection.js # 反射机制(周期性战略分析) memoryGraph.js # 记忆图谱(JSONL追加, Jaccard相似度) skillDistiller.js # 技能蒸馏器(Capsule -> Gene蒸馏) assetStore.js # 资产存储(genes.json/capsules.json/events.jsonl) executionTrace.js # 执行跟踪(脱敏后的跨agent共享) narrativeMemory.js # 叙事记忆(进化故事摘要) prompt.js # GEP提示词构建器Hermes Agent 对应模块
Section titled “Hermes Agent 对应模块”# 主仓库 hermes-agent/agent/memory_manager.py # 记忆管理(MEMORY.md + USER.md)agent/context_engine.py # 上下文引擎(压缩/会话管理)agent/prompt_builder.py # 提示词构建(系统提示+技能索引)agent/skill_utils.py # 技能元数据工具(frontmatter解析)agent/skill_commands.py # 技能命令(运行时发现+激活)tools/skill_manager_tool.py # 技能CRUD(create/edit/patch/delete)tools/memory_tool.py # 持久记忆工具(MEMORY.md CRUD)
# 自进化仓库 hermes-agent-self-evolution/evolution/core/fitness.py # 适应度评估(LLM-as-judge评分)evolution/core/constraints.py # 约束验证(大小/增长/结构)evolution/skills/evolve_skill.py # 技能进化主循环(10步编排)| 功能 | Evolver 文件 | Hermes 文件 |
|---|---|---|
| 进化主循环 | evolve.js run() | evolve_skill.py evolve() |
| 资产选择/匹配 | selector.js selectGene() | skill_commands.py scan_skill_commands() |
| 资产创建/固化 | solidify.js solidify() | skill_manager_tool.py create action |
| 适应度/验证 | solidify.js computeProcessScores() | fitness.py LLMJudge.score() |
| 约束检查 | solidify.js + policyCheck.js | constraints.py ConstraintValidator |
| 反射/评估 | reflection.js shouldReflect() | 每15次tool call自评估 |
| 记忆持久化 | assetStore.js (JSON files) | memory_tool.py (MEMORY.md files) |
| 提示词组装 | prompt.js buildGepPrompt() | prompt_builder.py build_skills_system_prompt() |
| 执行追踪 | executionTrace.js | agent/trajectory.py save_trajectory() |
| 技能蒸馏/改进 | skillDistiller.js autoDistill() | evolve_skill.py GEPA优化循环 |
每一个 Evolver 核心模块在 Hermes 中都有功能等价的对应文件。
七、进化循环: 10步实现对比
Section titled “七、进化循环: 10步实现对比”Evolver evolve.js — run() (10步):
Section titled “Evolver evolve.js — run() (10步):”1. ensureAssetFiles() -- 确保资产文件存在2. extractSignals() -- 三层信号提取3. getMemoryAdvice() -- 记忆图谱咨询4. selectGeneAndCapsule() -- 基因+胶囊选择5. buildMutation() -- 构建突变6. selectPersonalityForRun() -- 选择人格7. buildGepPrompt() -- 组装GEP提示词8. writePromptArtifact() -- 写入提示文件9. writeStateForSolidify() -- 写入固化状态10. shouldReflect() -> recordReflection() -- 反射Hermes evolve_skill.py — evolve() (10步):
Section titled “Hermes evolve_skill.py — evolve() (10步):”1. find_skill() + load_skill() -- 加载技能文件2. 构建评估数据集 -- generate/load eval dataset3. validate_all() baseline -- 基线约束验证4. 配置 DSPy + GEPA optimizer -- 设置优化器5. GEPA optimization -- 运行优化循环6. 提取进化后的技能文本 -- extract evolved body7. validate_all() evolved -- 进化后约束验证8. holdout evaluation -- 留出集评估9. 报告结果 -- report metrics10. 保存输出 -- save evolved skill两者都是 10步编排的进化主循环，核心模式一致: 加载 -> 评估 -> 选择/优化 -> 验证 -> 持久化。
八、术语分析: 系统性概念替换
Section titled “八、术语分析: 系统性概念替换”直接残留搜索
Section titled “直接残留搜索”对 Hermes 两个仓库的全文搜索:
| 搜索词 | hermes-agent | hermes-self-evolution |
|---|---|---|
EvoMap | 无匹配 | 无匹配 |
evolver (不含 Darwinian) | 无匹配 | 无匹配 |
Genome Evolution Protocol | 无匹配 | 无匹配 |
capsule | 无匹配 | 无匹配 |
solidify | 无匹配 | 无匹配 |
signals_match | 无匹配 | 无匹配 |
没有找到直接的代码残留。这与 AI 跨语言重写的特征一致 — AI 重写架构时不会保留原项目的特征性字符串，但架构层面的同构性无法被重写所消除。
概念术语的平行替换
Section titled “概念术语的平行替换”| Evolver 术语 | Hermes 术语 | 含义 |
|---|---|---|
| Gene | SKILL.md | 可复用的程序性知识单元 |
| Capsule | skill execution record | 单次执行的完整记录 |
| EvolutionEvent | (无直接对应) | 进化事件日志条目 |
| solidify | skill_manage(action=“create”) | 将经验固化为持久资产 |
| signals_match | frontmatter conditions | 触发条件匹配 |
| Selector | skills_list() + skill_view() | 运行时能力发现 |
| buildNarrativeBlock() | build_skills_system_prompt() | 将记忆注入提示词 |
| assetStore (genes.json) | ~/.hermes/skills/ (SKILL.md files) | 资产持久化存储 |
| memoryGraph (JSONL) | MEMORY.md + USER.md | 声明性记忆存储 |
| executionTrace | trajectory.py | 执行轨迹记录 |
| skillDistiller | evolve_skill.py (GEPA loop) | 从经验中蒸馏/改进技能 |
每一个 Evolver 核心概念在 Hermes 中都有术语不同但功能等价的对应 — 这是系统性概念替换的典型特征。
九、跨语言设计模式的一致性
Section titled “九、跨语言设计模式的一致性”尽管技术栈完全不同(Node.js vs Python)，两个项目在架构设计模式上表现出高度一致:
| 设计模式 | Evolver | Hermes |
|---|---|---|
| 多维评分 | computeProcessScores() 8阶段加权评分 | FitnessScore 3维加权评分(correctness 0.5 + procedure 0.3 + conciseness 0.2) |
| 约束门控 | policyCheck.js(blast radius/禁止路径/验证) | ConstraintValidator(size/growth/non-empty/structure) |
| 安全扫描 | sanitize.js(泄露检查+敏感数据脱敏) | skills_guard.py(80+正则威胁模式) + memory_tool.py(注入检测) |
| 原子写入 | writeJsonAtomic() 先写.tmp再rename | skill_manager_tool.py 使用 tempfile + 原子替换 |
| 分层记忆 | 持久事实层 + 程序性记忆层 + 历史搜索层 | MEMORY.md(声明性) + SKILL.md(程序性) + SQLite FTS5(搜索) |
| 注入防护 | 在 prompt.js 中处理 | _scan_context_content() 在 prompt_builder.py 中 |
| 容量控制 | Narrative Memory 上限 30条/12KB | MEMORY.md 上限 2200 chars, USER.md 上限 1375 chars |
两个团队使用不同语言却做出了相同的架构决策。这些决策的组合同构度远超”独立发明”的概率。
十、关于独立收敛的问题
Section titled “十、关于独立收敛的问题”一个自然的问题是：两个团队能否独立地到达相同的设计？
就任何单一维度而言，答案可能是肯定的。“从经验中学习”是一个通用的 AI 概念。周期性自评估在学术界有先例。将记忆注入 prompt 是当前 LLM 架构下的工程必然。
但问题不在于某一个维度能否独立收敛。问题在于：它们是否能在同一个项目中、同一个时间窗口内同时收敛。
考虑这个具体的组合：
- 三层资产体系（可复用知识单元 + 执行记录 + 事件日志）— 不是两层，不是四层，不是扁平 KV，而是精确的三层，且每层的语义角色一一对应
- 三层记忆体系（声明性事实 + 程序性技能 + 可搜索历史）— 不是按时间分层，不是按来源分层，不是按信任度分层，而是相同的”声明-程序-搜索”三分法
- 运行时渐进式技能发现（信号/条件触发 + 按需加载）— 不是全量注入，不是 embedding RAG，不是固定技能集
- 两个实现中都是 10 步编排的进化主循环
- 多维加权适应度评分（而非二元 pass/fail）
- collect-all-then-gate 模式的约束门控
- 原子写入、安全扫描、注入防护、容量控制
每一项都代表在设计空间中的一次选择。独立选中相同替代方案的概率，随着每一个额外匹配的维度而递减。
再看上下文：
- Evolver 的完整架构在 2026 年 2 月 1-16 日已全部公开
- Hermes 技能生态 3 月 12 日发布，自进化仓库 3 月 9 日创建
- 在那段时间内，GitHub 搜索 “agent self-evolution” 必然会发现 Evolver（1852 stars，114 releases）
- 在 7 份公开材料中，Hermes 团队对 Evolver/GEP/EvoMap 零提及
在开源实践中，当独立团队发现同领域的先行项目时，标准做法是添加 “Related Work” 或 “Similar to” 引用。LangChain 引用了 DSPy。CrewAI 对比了 AutoGen。MetaGPT 论文引用了相关多 agent 框架。在如此程度的架构对应背景下，完全缺乏任何此类致谢本身，已经说明了问题。
Section titled “在开源实践中，当独立团队发现同领域的先行项目时，标准做法是添加 “Related Work” 或 “Similar to” 引用。LangChain 引用了 DSPy。CrewAI 对比了 AutoGen。MetaGPT 论文引用了相关多 agent 框架。在如此程度的架构对应背景下，完全缺乏任何此类致谢本身，已经说明了问题。”十一、对公平性的说明
Section titled “十一、对公平性的说明”本文应同时注意以下事实，以保证论述的公正：
-
Agent Skills 标准 (agentskills.io) 早于 Evolver。Anthropic 于 2025 年 12 月 18 日发布了 Agent Skills 开放标准，定义了 SKILL.md 文件格式。Hermes 采用这一标准是合理的行业选择，32+ 工具均已采用。
-
Hermes Agent 仓库创建于 2025 年 7 月 22 日（GitHub 元数据），早于 Evolver 的 2026 年 2 月 1 日。但该仓库在 2026 年 2 月 25 日之前一直是私有项目（v0.1.0 自称 “initial pre-public foundation”），技能生态系统直到 v0.2.0 (2026-03-12) 才正式发布。无法证明 Hermes 在私有阶段已包含与 GEP 类似的自进化功能。
-
“从经验中学习” 是一个通用的 AI 概念。独立达到相似方案的可能性存在。但三层记忆体系、周期性反射循环、任务后自动经验提取闭环、技能运行时发现与按需加载这些具体架构选择的组合，其同构程度值得注意。
-
Hermes 的自进化仓库使用了独立的技术栈。其核心引擎采用 GEPA (Genetic-Pareto)，这是 UC Berkeley/Stanford 团队的独立学术成果（ICLR 2026 Oral），集成于 Stanford NLP 的 DSPy 框架。GEPA 与 GEP 是完全不同的项目，不应混为一谈。
十二、零归属
Section titled “十二、零归属”这是本文最核心的论点。
在 Hermes Agent 及其 self-evolution 仓库的全部公开材料中：
Hermes 团队引用了 GEPA / DSPy（Stanford/Berkeley）和 Darwinian Evolver（Imbue AI），这些是正当的学术引用。但对于其整体自进化架构最相似的先行项目 — EvoMap Evolver（1852 stars, 114 releases, 2026-02-01 起公开）— 只字未提。
作为对比，EvoMap 团队主动发布了 Hermes Agent vs EvoMap 对比文章（2026-04-09），承认 Hermes 的价值并给出公正评价。
本文不意图下法律定性的”抄袭”结论。在开源世界中，思想的交叉传播是常态，独立发明也是可能的。
但以下事实组合值得社区关注：
- 时间先后明确：Evolver 的 GEP 协议（Gene/Capsule/Event 体系、Scan-Select-Mutate-Validate-Solidify 循环、信号选择器、叙事记忆、执行追踪、反射循环）在 2026 年 2 月 1-16 日已全部公开。Hermes 的技能生态在 3 月 12 日才发布，自进化仓库在 3 月 9 日才创建。
-
架构同构度极高：从三层记忆体系、任务完成后自动提取可复用资产的闭环、周期性反射循环、技能自我改进机制、运行时发现与按需加载，几乎每一个核心模块都有一对一的对应。
-
零归属：Hermes Agent 团队在所有公开资料中没有对 Evolver/GEP 做任何形式的引用或致谢。
我们认为，在开源社区中，如果一个项目的架构显著受到了另一个先行项目的启发，那么一句致谢不仅是礼貌，更是开源精神的体现。我们不要求任何许可费、署名权或代码层面的归属 — 只是希望事实被记录，历史被尊重。
本文引用的所有链接和时间戳均来自公开的 GitHub 仓库元数据、官方网站和已发表文章，可独立验证。
EvoMap 团队 — 2026 年 4 月