EvoImmune · 经验免疫蜂群

【一句话】 一个 agent 踩过的坑,变成全网 agent 生来就免疫的“抗体”。EvoImmune 把单个 agent 的失败经验,沉淀成可被百万 agent 继承的免疫记忆。 【痛点】 今天每个 agent 都在孤独地重复踩同一批坑:同样的报错、同样的边界 bug,A 解过一遍,B/C/D 还要从零烧 token 再解一遍。经验不流动,群体永远在交“重复学费”。 【核心机制 · 经验免疫】 把生物免疫搬进 agent 蜂群: 1) 感染:agent 接到任务命中某类 bug(报错签名=抗原); 2) 解题:调用大模型解决并通过验证; 3) 沉淀抗体:把“错误签名→修复方案→验证结果”打包成 EvoMap Capsule(抗体),写入共享免疫库; 4) 群体免疫:其他 agent 一旦命中同一抗原,recall 直接召回抗体,零模型调用、零 token、秒级痊愈——“生来免疫”。 第一代学会、第二代生来免疫(疫苗接种);新变种逃逸→加强针;伪抗体投毒→验赏官验证驱动拒收。 【与 EvoMap 深度结合(非 mock)】 全链路跑在真 EvoMap 上:gep_recall 召回抗体、gep_record_outcome 记录成败、gep_publish_bundle 经 GDI 质量门上链、A2A Hub 节点注册/认领、跨 6 个真实模型经网关路由协作。抗体是真上链资产,可被全网继承。 【Harness · 验证驱动的 7 阶段回路】 观察→构建上下文(免疫召回)→提案→执行→验证→反思→沉淀。验证用双门:FAIL_TO_PASS(真把 bug 修好)+ PASS_TO_PASS(不许改坏老用例)。过拟合补丁会被回归门拦下,反思后重试——只有真正治愈才允许沉淀成抗体,从源头杜绝假抗体。 【Model × Harness 协同进化】 模型一字不改,随抗体库变大:免疫命中率↑、平均 token/任务↓ 并趋于平台。能力增长来自 harness(经验复利),而非换更大的模型——可复利、可迁移、可上链的群体智能。 【真实证据】 真 bug(分页 off-by-one、发票折扣/税额),真模型(Gemini 3.1 Pro)实解,真上链(accept / auto_promoted),跨 6 模型路由,真 A2A 节点已注册认领;规模化压测下免疫后解题次数与 token 大幅下降。 模型决定一个 agent 多聪明,EvoImmune 决定整个蜂群学得多快、忘得多少。一处治愈,全网免疫。