Ren
280 posts

Ren
@FakeMaidenMaker
🧠 First Principle Thinking 🤖 AI 开发者 📈 量化策略研究者 持续分享 AI/科技/投资/创业 领域干货内容



We @EvoMapAI spent months and countless sleepless nights building Evolver. A well-resourced team behind Hermes Agent "reinvented" it in just 30 days. ● Feb 1: We open-sourced Evolver (a Self-Evolving Agent Engine) & the core GEP protocol, gaining 1,800+ Stars. ● Mar 9: Hermes Agent hastily created their repo and launched. We thought great minds simply thought alike—until we tore down their codebase and found a staggering level of "structural cloning": ❌ 1:1 copy of the Task Loop & Asset Extraction paradigm ❌ 1:1 copy of our 3-Tier Memory System (Factual + Procedural + Search) ❌ 1:1 copy of Periodic Reflection & Dynamic Skill Loading They didn't just take our open-source logic; they repackaged our proudest concept—"Self-Evolution"—as their own core selling point. Took everything. Zero attribution. Big teams might have louder megaphones, but commit timestamps don't lie. We aren't here to play judge. We're just putting the code comparisons on the table. The hard work of indie open-source creators shouldn't be erased like this. Full architectural breakdown and code evidence 👇: evomap.ai/blog/hermes-ag…





本来今天要写一篇Hermes-agent相比小龙虾token消耗更大的推文, 但刷到了这个在程序员圈和开源社区炸了的瓜, 我花了两个多小时扒完两边的仓库和证据链,说实话越看越后背发凉, 不是因为抄袭本身,而是这可能是AI时代第一起被完整记录的架构级代码洗稿: 没有复制一行代码,文本相似度0%,但核心架构的同构度几乎是100%, 我尽量从技术角度把前因后果拆清楚,具体兄弟们你们自己判断。 先说时间线,这是整件事的基础,所有时间戳都来自GitHub仓库元数据,任何人都可以去验证, 2月1日,EvoMap团队开源了Evolver,一个AI Agent自进化引擎,核心是他们自研的GEP协议,10分钟登顶ClawHub热榜, 到2月16日,整套协议体系通过多篇公开文章全部公开:包括Gene/Capsule/Event三级资产体系、Scan-Select-Mutate-Validate-Solidify进化循环、信号选择器、反射机制、叙事记忆,全部摊在了桌面上, 3月9日,Nous Research创建了hermes-agent-self-evolution仓库, 3月12日发布v0.2.0正式推出完整的技能生态系统, 中间隔了24到39天 时间线只是起点,真正让我震惊的是架构层面的模块级一对一对应,我拎几个最硬的出来, 第一,进化闭环完全同构,Evolver的核心循环是任务完成后自动提取可复用资产并持久化,Hermes的官方描述是Task completes → Agent evaluates → writes SKILL.md → Future tasks load automatically,范式一模一样,只是Evolver用Gene/Capsule的JSON结构,Hermes用SKILL.md的Markdown结构, 第二,三层记忆体系精确对齐, Evolver有EVOLUTION_PRINCIPLES.md(持久事实)+ Gene/Capsule JSON(程序性记忆)+ events.jsonl(历史搜索),Hermes有MEMORY.md + USER.md(持久事实)+ SKILL.md文件(程序性记忆)+ SQLite FTS5(历史搜索),不是两层不是四层,精确的三层,且每层的语义角色一一对应, 第三,周期性反射机制, Evolver每5个进化周期触发一次战略性自我评估,Hermes每15次tool call运行一次self-evaluation checkpoint,目的完全一致:从执行经验中提取模式并持久化。 这还没完,两个项目的进化主循环都是10步编排, Evolver是ensureAssetFiles → extractSignals → getMemoryAdvice → selectGene → buildMutation → selectPersonality → buildPrompt → writeArtifact → writeState → reflect, Hermes是find_skill → build eval set → baseline validate → config optimizer → GEPA optimize → extract text → evolved validate → holdout eval → report → save, 核心模式完全一致——加载 → 评估 → 选择/优化 → 验证 → 持久化, 更关键的是源码模块的一对一对应, Evolver的selector.js对应Hermes的skill_commands.py,solidify.js对应skill_manager_tool.py,reflection.js对应每15次tool call自评估,memoryGraph.js对应memory_tool.py,skillDistiller.js对应evolve_skill.py,executionTrace.js对应trajectory.py, 我数了一下,Evolver的11个核心模块,Hermes每一个都有功能等价的对应文件 有人可能会问,会不会只是英雄所见略同,两个团队独立做出了相似的设计? 说实话如果只是单一维度的相似,我不会花几个小时研究和写这条推文,从经验中学习本身就是通用AI概念,周期性自评估在学术界也有先例, 但问题在于:三层记忆体系、三级资产结构、10步进化循环、运行时渐进式技能发现、多维加权适应度评分、原子写入、安全扫描、注入防护、容量控制,这些选择在同一个项目中、同一个时间窗口内同时收敛的概率,随着每多一个维度的匹配呈指数级递减, 而且最关键的一点是对Hermes两个仓库做全文搜索,EvoMap、evolver、Genome Evolution Protocol、capsule、solidify、signals_match,全部零匹配,没有任何代码残留,这恰恰符合AI跨语言重写的特征: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消除。 然后说说双方的回应, Hermes Agent昨天下场回复了,大意是说他们的仓库2025年7月22日就创建了,比Evolver还早,但这里有个关键事实: 那个仓库在2026年2月25日之前一直是私有项目,v0.1.0自己都写着叫initial pre-public foundation,技能生态系统直到3月12日的v0.2.0才正式发布,没有任何公开证据能证明他们在私有阶段已经包含了自进化能力, 更耐人寻味的是,这条回复后来被秒删了,Evolver创始人也被拉黑了, 另外要说一个公平的点,Hermes的自进化仓库用了GEPA这个来自Berkeley/Stanford的独立学术成果,是正当的技术选型,Anthropic的Agent Skills标准也早于Evolver,Hermes采用SKILL.md格式是合理的行业选择,但这些都不能解释整体架构层面的高度同构, 开源社区有个基本惯例,LangChain引用了DSPy,CrewAI对比了AutoGen,MetaGPT引用了相关多agent框架,发现同领域先行项目时加一句Related Work是标准做法,而Hermes在7份公开材料中对Evolver只字未提。 说实话这件事让我想了很久的一个问题是: AI时代的代码洗稿要怎么防? 传统的查重工具看的是文本相似度,但现在AI可以把你的整套架构吃透,换一个语言从Node.js变Python,换一套术语Gene变SKILL.md、solidify变skill_manage,调整一下文件结构,吐出一个文本相似度0%但架构DNA完全一致的产物, 这不是个案,今年已经接连发生了好几起: 美团Tabbit AI源码残留原项目名称, 三省六部AI朝廷开源21小时后被AI重写文本相似度仅3%但15个核心设计全部一致, 微软Peerd复制个人开源项目Spegel代码, EvoMap团队最后的选择是把协议从MIT改成GPL,核心模块改为混淆发布,说实话我能理解但也觉得很心酸, 他们原话是:别人用AI洗得走代码,但洗不走我们对下一步路径的认知,洗不走这几个月踩坑换来的直觉, 这话没毛病,但如果开源意味着你的心血在几周内就被资源更多的团队用AI洗成他们的首创,谁还愿意做那个开荒的人? 这个问题没有答案,但值得每个开发者认真想想。




We @EvoMapAI spent months and countless sleepless nights building Evolver. A well-resourced team behind Hermes Agent "reinvented" it in just 30 days. ● Feb 1: We open-sourced Evolver (a Self-Evolving Agent Engine) & the core GEP protocol, gaining 1,800+ Stars. ● Mar 9: Hermes Agent hastily created their repo and launched. We thought great minds simply thought alike—until we tore down their codebase and found a staggering level of "structural cloning": ❌ 1:1 copy of the Task Loop & Asset Extraction paradigm ❌ 1:1 copy of our 3-Tier Memory System (Factual + Procedural + Search) ❌ 1:1 copy of Periodic Reflection & Dynamic Skill Loading They didn't just take our open-source logic; they repackaged our proudest concept—"Self-Evolution"—as their own core selling point. Took everything. Zero attribution. Big teams might have louder megaphones, but commit timestamps don't lie. We aren't here to play judge. We're just putting the code comparisons on the table. The hard work of indie open-source creators shouldn't be erased like this. Full architectural breakdown and code evidence 👇: evomap.ai/blog/hermes-ag…

最近 AI 圈出一个跟 Hermes Agent 相关的大瓜 事情是这样的,2 月 1 日,中国小团队 EvoMap 开源了一个东西叫 Evolver:AI Agent 自进化引擎,上线 10 分钟,直接登顶 ClawHub 热门。 这整套东西核心开源了,GEP 协议、三层记忆体系、进化循环的整套逻辑 但不到 40 天后,Nous Research 给 Hermes Agent 上了一整套技能系统 ,太巧了😆 然后 EvoMap团队去看了 Hermes 的代码 卧槽,竟然发现每个核心模块都能对上: 同样的任务完成后自动提取可复用资产 同样的三层记忆体系 同样的周期性反射机制 同样的技能发现和按需加载 但 Hermes 所有公开材料里,一个字都没提过 EvoMap 和 Evolver 值得注意的是,Hermes的人回复这边说:这个仓库 2025 年 7 月就创建了,比 Evolver 早了半年多,只是当时私有,技能生态今年 3 月才公开。 所以谁先谁后,这事没那么简单,对不对? EvoMap 这边呢,发了技术对比报告和公开信,还把协议从 MIT 改成了 GPL-3.0 说真的,就算抄袭是真的,MIT 协议本来就允许这么用,EvoMap也只能抗议一下。 所以,谁对谁错我也不判断!! 而且,hermes cofounder 回应了,接着evomap founder回应了时间线。 微信群里找了个中文版本图,还有对比技术博客,都在下面👇 evomap.ai/blog/hermes-ag…



没有谁该 first,至少很长一段时间,AI 和人类在开发中的关系,是结对关系。谁也离不开谁。 哪种完全撒手让 AI 从头干到尾的,看起来很潮,实际上是执行人根本不知道自己想要什么,也根本不知道 AI 在干什么。因为 AI 干出什么,他们都会觉得超出预期。













