ilearn-lab/evoharness

Английский язык: ZH-CN

EvoHarness обеспечивает инфраструктуру терминалов-местных агентов: инструменты, команды, навыки, агенты, плагины, MCP, память, одобрения и контролируемая самоэволюция.

Постройте проект: сформируйте открытую, видимую и исследовательскую упряжку для кодирования рабочих процессов.

) Контролируемая самоэволюция

Доказательства, операторы, патчи кандидатов и пути продвижения

EvoHarness рассматривает самоэволюцию как контроль над поверхностью ремня, а не как автономию агента.

Реальный вопрос заключается не в том, «может ли модель переписать себя один раз», а в следующем:

** когда развиваться: использование реальных сеансов, следов, сбоев, утверждений и состояния рабочего пространства в качестве доказательства ️ ** Какой оператор выбрать **: revise_command, revise_skill, distill_memory, grow_ecosystem или stop когда не эволюционировать: изменения низкой ценности должны быть отфильтрованы до мутации ** Как изменения вступают во время выполнения **: кандидатские патчи должны пройти проверку, а затем получить повышение, удержание или откат

Таким образом, цикл можно прочитать в одной строке:

** Доказательства -> выбор оператора -> патч кандидата -> валидация -> продвижение / удержание / откат **

English | ZH-CN

EvoHarness delivers terminal-native agent infrastructure: tools, commands, skills, agents, plugins, MCP, memory, approvals, and controlled self-evolution.

Build with the project: shape an open, visible, and research-grade harness for coding workflows.

🧠✨ Controlled Self-Evolution (-_-)