返回博客列表

港大 OpenSpace：一个让所有 AI Agent 共享记忆、自我进化的开源引擎

2026-06-08T08:18:00+08:00
OpenSpaceHKUDSAI AgentSelf-EvolvingSkill EvolutionMCP

港大 OpenSpace：一个让所有 AI Agent 共享记忆、自我进化的开源引擎

看完你会发现，你之前对 Agent 进化的理解可能要更新了。

香港大学数据科学实验室（HKUDS）今年 3 月开源了 OpenSpace，三个月 GitHub 星标冲到 6400+。它做的事情用一个公式概括：让任何 AI Agent 在完成真实任务的过程中自动积累、改进和共享技能。

这不是又一个新的 Agent 框架。OpenSpace 是一个插件式进化引擎——它不替代你的 Agent，而是让你的 Agent 变得更聪明、更便宜、并且越用越好。

本文提纲

  1. 当前的 Agent 有什么问题
  2. OpenSpace 的三大超能力
  3. GDPVal 基准测试：收入翻 4.2 倍的真实数据
  4. 它是怎么工作的：自进化引擎架构
  5. 两分钟接入你的 Agent
  6. My Daily Monitor：60+ 技能从零进化出一个完整系统

当前的 Agent 有什么问题

现在的主流 Agent——Claude Code、Codex、OpenClaw、nanobot、Cursor——能力都很强，但有一个共同的致命弱点：它们永远不会从经验中学习。

三个具体表现：

  • Token 浪费严重。每次遇到类似任务，Agent 都从零开始推理，烧一遍 token。上次成功解决的模式完全无法复用。
  • 重复犯错。Agent A 踩过的坑，Agent B 在同样的任务上再踩一遍。没有跨 Agent 的知识共享机制。
  • 技能退化。手写的 skill 随着 API 更新、工具变化，悄悄就坏了，没有任何监控和修复机制。

OpenSpace 的解决方案是一个三层的进化系统。

OpenSpace 的三大超能力

🧬 自进化（Self-Evolution）

Skill 不再是写完就死的静态文件。OpenSpace 给每个技能加了四层自动维护：

  • AUTO-FIX：skill 执行失败时自动诊断并修复
  • AUTO-IMPROVE：成功的执行模式被提取为新版本
  • AUTO-LEARN：从实际使用中捕获有效工作流
  • 质量监控：持续追踪每个 skill 的错误率、成功率和执行性能

这不是简单的版本管理。在 50 个真实任务的基准测试中，OpenSpace 自主进化出了 165 个 skill，其中大部分不是领域知识，而是工具可靠性和错误恢复模式。

🌐 集体智能（Collective Intelligence）

一个 Agent 学到的东西，所有 Agent 都能用。

OpenSpace 有一个云端 skill 社区（open-space.cloud），支持一键上传和下载进化后的技能。你可以设置 public、private 或 team-only 访问权限。

这意味着网络效应：用的人越多 → 积累的数据越丰富 → 进化越快 → 每个 Agent 都受益。

💰 Token 效率（Token Efficiency）

进化的直接经济效益：

  • 复用成功的解决方案，不再从零推理
  • 随着技能成熟，同类任务消耗的 token 越来越少
  • 只修坏的部分，不重建整个 pipeline
  • 实测数据：性能提升 4.2 倍的同时，token 消耗降低 46%

GDPVal 基准测试：收入翻 4.2 倍的真实数据

OpenSpace 在 GDPVal 经济基准上做了严格的对比实验。GDPVal 包含 220 个真实专业任务，横跨 44 种职业。

实验设计很公平：OpenSpace 和基线（ClawWork）使用完全相同的 LLM（Qwen 3.5-Plus），确保差异只来自 skill 进化，而非模型能力。

两阶段测试：Phase 1（冷启动）跑完 50 个任务积累技能，Phase 2（热重跑）用积累的技能再跑一遍。

核心数据

指标 结果
收入倍数 4.2× 高于基线
价值捕获率 72.8%（$11,484 / $15,764）
平均质量 70.8%（基线最好仅 40.8%，差距 30pp）
Phase 2 token 消耗 下降 45.9%

按行业拆解

行业 质量提升 Token 节省 关键原因
合规与表单 +18.5pp -51% PDF 处理链进化一次，所有表单任务复用
工程 +8.7pp -43% 跨领域通用的协调技能
文档与信函 +3.3pp -56% document-gen-fallback 迭代到第 13 版
电子表格 +7.3pp -37% 公式、合并单元格、校验模式跨任务一致
媒体制作 +5.8pp -46% ffmpeg 标志和编解码器回退被编码进 skill
战略与分析 +1.0pp -32% 已经是最高质量（88%），节省来自结构复用

一个有趣的发现：165 个自主进化的 skill 中，大部分不是领域知识，而是「怎么可靠地处理 PDF」「沙箱挂了怎么办」这类执行韧性模式。其中 44 个是文件格式 I/O 相关的，29 个是执行恢复相关的——每一个都是从真实失败中捕获的。

它是怎么工作的：自进化引擎架构

graph TB
    subgraph "Your Agent"
        AG[Claude Code / Codex / OpenClaw / nanobot]
    end
    subgraph "OpenSpace MCP"
        MCP[MCP Server]
        SE[Skill Engine]
        EV[Evolver]
        REG[Skill Registry]
        STORE[Skill Store]
    end
    subgraph "Cloud Community"
        CS[Cloud Skill Hub]
    end
    AG -->|Tool calls| MCP
    MCP --> SE
    SE --> EV
    SE --> REG
    REG --> STORE
    STORE <-->|Upload / Download| CS
    style AG fill:#FF6B6B,color:#000000
    style MCP fill:#4ECDC4,color:#000000
    style SE fill:#45B7D1,color:#000000
    style EV fill:#96CEB4,color:#000000
    style REG fill:#FFEAA7,color:#000000
    style STORE fill:#DDA0DD,color:#000000
    style CS fill:#98D8C8,color:#000000

核心组件：

Skill Engine：负责 skill 的生命周期管理——注册、检索、排名。每次 Agent 执行任务时，Skill Engine 决定加载哪些 skill，并在执行后分析哪些模式值得捕获。

Evolver：自进化的核心。它监控 skill 执行结果，检测失败模式（触发 AUTO-FIX）和成功模式（触发 AUTO-IMPROVE），生成改进版本。evolved skill 的谱系被完整记录，方便追溯。

MCP Server：通过 Model Context Protocol 接入任何兼容的 Agent。支持三种启动模式：stdio（最简单）、SSE、streamable HTTP。

Cloud Skill Hub：社区级 skill 共享平台。有质量监控系统——结构化模式提取自高质量 skill，每天评估新提交。

OpenSpace 的 skill_engine 目录结构清晰：

skill_engine/
├── evolver.py          # 自进化核心逻辑
├── analyzer.py         # 执行结果分析
├── registry.py         # Skill 注册管理
├── store.py            # 本地 skill 存储
├── skill_ranker.py     # Skill 排序
├── retrieve_tool.py    # Skill 检索
└── patch.py            # 增量修复

两分钟接入你的 Agent

OpenSpace 兼容任何支持 skill（SKILL.md）的 Agent。接入只需要两步：

第一步：安装并加到 Agent 的 MCP 配置：

{
  "mcpServers": {
    "openspace": {
      "command": "openspace-mcp",
      "toolTimeout": 600,
      "env": {
        "OPENSPACE_HOST_SKILL_DIRS": "/path/to/your/agent/skills",
        "OPENSPACE_WORKSPACE": "/path/to/OpenSpace"
      }
    }
  }
}

第二步：复制两个 skill 到你的 Agent skill 目录：

cp -r OpenSpace/openspace/host_skills/delegate-task/ /path/to/your/agent/skills/
cp -r OpenSpace/openspace/host_skills/skill-discovery/ /path/to/your/agent/skills/

完成。你的 Agent 现在可以自进化技能、执行复杂任务、并访问云端 skill 社区。LLM 凭证会从你 Agent 的配置中自动检测，通常不需要手动设置。

你也可以直接用 OpenSpace 当作独立的 AI 助手：

openspace --model "anthropic/claude-sonnet-4-5" --query "Create a monitoring dashboard"

My Daily Monitor：60+ 技能从零进化出一个完整系统

OpenSpace 的 showcase 项目叫 My Daily Monitor——一个实时监控仪表盘，显示进程、服务器状态、新闻、市场行情、邮件和日程。

关键点：整个系统零人工编码。 全部由 OpenSpace 从零开始，通过 60+ 个自主进化的 skill 构建。

构建过程：

阶段 发生了什么 Skill 数量
种子 分析开源参考项目，提取设计模式 6 个初始 skill
脚手架 生成项目结构、Vite 配置、TypeScript 设置 +8
核心功能 构建 20+ 个仪表盘面板、实时数据流 +30
优化 修复 bug、性能调优、暗色模式 +16+

这不是 demo 级别的玩具。20+ 个实时面板、多数据源聚合、内置 AI Agent——这是一个真正可用的生产系统。

对开发者的意义

OpenSpace 证明了几个关键假设：

Skill 进化比 Skill 编写更有效。 165 个自动发现的 skill 大部分是工具可靠性和错误恢复——这些是最难通过手工编写获得的「隐性知识」。

网络效应是真实的。 一个 Agent 学到的 PDF 处理回退方案，所有 Agent 立刻可用。这种共享不只是省时间，是指数级的效率提升。

经济价值可量化。 4.2 倍收入提升、46% token 节省——这不是学术 benchmark 上的零点几提升，是真金白银的差距。

项目 MIT 协议开源，Python 编写，兼容 Claude Code、Codex、OpenClaw、nanobot 等主流 Agent。如果你在用任何支持 MCP 的 Agent，值得花十分钟试试。

你觉得 Agent 自进化是噱头还是真需求？评论区聊聊你的看法。

作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。

本文首发于 AI人工智能时代，转载请注明出处。

觉得文章不错？分享给更多人！