技巧

每日小贴士：凌晨时给对方发“你饿了吗”，比“在吗”更容易收到回复。

失败

男生减分的 12 大行为：

1、偶然捡到撞死在树桩的兔子，就天天等着再捡。

2、船在动，剑掉在水里，却在船上刻记号找剑。

3、买下装珍珠的木匣，把珍珠还给卖家。

4、嫌禾苗长得慢，把苗往上拔，结果苗全枯死。

5、到邯郸学走路，没学会反而忘了自己怎么走路，只好爬回去。

6、画完蛇硬给添上脚。

7、拿着《相马经》找马，按书上描写找到一只癞蛤蟆，还以为是千里马。

8、担心天会塌下来，日夜睡不着、吃不下。

9、捂住自己耳朵去偷铃铛，以为别人听不见。

10、不会吹竽混在乐队里。

11、在集市上售卖坚不可摧的盾与无坚不摧的矛。

12、在自家墙壁上挂满龙。

现实

提醒大家：想吃啥直接去吃，别垫来垫去，发现开胃了。

矛盾

你一边等着“奇迹般”地找到你的灵魂伴侣，一边从不分享任何照片，每天交流的人不超过三个，还几乎从不出门。

话题

我和女生聊天很有一套，绝不会说什么“今天天气真好”之类的废话。

我一般会说“最近内存条的价格很离谱，对吧？”

信号

女生喜欢你的几个暗示：

1.怎么约都约不出来：因为她担心自己实际的样子不够完美，怕被你讨厌而失去你。

2.已读不回：因为害羞而内心有过多小剧场，到处去问闺蜜们，你这样说到底有没有喜欢她的意思。

3.私下跟朋友说你很恶心：想让她的朋友跟潜在情敌疏远你，进而占有你

4.被刪好友：暗示彼此不只是朋友。

5.拉黑你：怕控制不了自己的情感而陷入太深，只好忍痛把你拉黑。

6.遭受拒绝：女生第一句不是真心话，她只是想多听听你的告白。

癖好

问：你磕什么 CP？
答：我磕分子和分母。因为分子压着分母，分母还始终强调自己不是 0。

理由

我喜欢生活中那些普通的事物。哪怕只是一杯咖啡，也能让我感到快乐。

这是我不追逐昂贵物品的原因之一，另一个原因是我穷得要命。

套路

请问律师，我员工工作 12 个小时，但法律规定 8 个小时，我可以没收他们的非法所得吗？

未来普通人的宇宙尽头，都是灵活就业，没有例外

@ 刘掌柜深圳： 学什么专业，考什么学校，是最稳当的？

这个问题，谁也给不了答案，因为没有 “正确” 答案，面对趋势不确定时，没有人带着未来的视角。

但有句话是由衷的体会：未来普通人的宇宙尽头，都是灵活就业，没有例外。

这个是 100% 确定的，不要再幻想学一个专业，考一个学校，就一辈子稳定了，有个铁饭碗了。

实际是没有的，不存在一劳永逸的一个决策，获益一辈子。

你这个人走到哪，都有饭吃，不怕外界变化，这才是最重要的，心态要转变。

搞对象除了性行为，还有什么其他意义吗？

记得年轻的时候，我一个朋友失恋，喝多了坐马路牙子上哭。我陪他坐着，听他翻来覆去就一句话：以后没人听我说废话了。

我当时没懂。后来我懂了。

你白天在公司跟客户扯了一堆场面话，跟同事聊了一堆八卦，跟领导汇报了一堆数据。这些话没一句是你想说的。你回到家，打开外卖软件，刷着手机，突然
有件事特别想说，不是什么大事，就是你今天在路上看到一只猫，姿势特别奇怪，你想跟谁说说。

如果你有对象，你就会发消息：今天看见一只猫，哈哈哈哈你看照片。对方回：哈哈哈这什么姿势。就这么两句，你舒服了。

如果没有对象，你就只能自己笑一下，然后翻过去。

搞对象最根本的意义，或许确实是繁衍后代。但更重要的，根本不是性行为。性行为只是其中一件事，而且说实话，时间长了也就那样。真正让两个人分不开的，是那些说不完的废话。

有人接住你的废话，这是这个世界上非常奢侈的一件事。

你的朋友能接住你的大事，你升职了他们恭喜你，你倒霉了他们安慰你。但你那些芝麻大的小事，那些莫名其妙的情绪，那些半夜突然冒出来的奇怪想法，只有对象能接。因为你们之间有那个默契，你不用解释前因后果，不用铺垫背景，你只说一句今天那个谁，他就知道你说的是谁。这是时间养出来的东西，性行为给不了你。

搞对象还有一个意义，就是让你照镜子。

你一个人过的时候，觉得自己挺好的。不乱花钱，不邋遢，脾气也不错。但谈了恋爱你会发现，你根本不是你想的那样。你小心眼，你自私，你懒得沟通，你生气了不说话等着对方来哄。这些东西平时藏得很好，只有亲密关系能把它们挖出来。你看着对方被你气哭，你才第一次意识到：原来我是这样的人。

这个过程挺疼的，但它让你变好。你不想再让对方难受，你开始学着改。改一点，关系好一点。改不了的那部分，你们互相忍着。这就是磨合，不是忍一辈子，是你改一些他改一些，凑合着过。那些说从不吵架的情侣，要么在说谎，要么根本不熟。

还有一个很现实的意义，抗风险。

你一个人生病的时候，自己去医院挂号，自己倒水吃药，自己签手术同意书，不是不行，是太苦了。有个人在旁边，你苦的时候就有一只手让你攥着。不是什么惊天动地的帮助，就是有个人在。

你失业了，有个人说没事慢慢找。你家里出了事，有个人说我陪你。这些话从朋友嘴里说出来，和从对象嘴里说出来，分量不一样。因为朋友说完就回家了，对象说完会一直站在你旁边。这是长期的、确定的、不用还的人情。

很多人把搞对象当成一场交易。你给我情绪价值，我给你物质保障，你对我好，我对你忠诚。算得太清了，没意思。搞对象到最后，是你发现你离不开那些废话，离不开那个让你照镜子的人，离不开那个在你最烂的时候还没跑的人。

性行为是身体的亲密，搞对象是生活的重叠。你们的时间、记忆、习惯、气味都叠在一起，分不开了。分不开的那个东西，才是意义。

有人问过我，你怎么知道这个人对不对。

我说，你就想一个场景。你老了，坐在阳台上晒太阳，什么都不干，身边坐一个人，你愿不愿意那个人是他。如果答案是愿意，那就是他了。

因为到了那个时候，你们什么都做不了了，但你们还愿意坐在一起。

这就是搞对象的意义。

日系汽车在崩溃

@ 深圳宁南山： 中国在猛攻日本经济最后的支柱–汽车工业

日系车在中国市场已经基本溃败，2020 年以来中国市场日系车份额已经下降了一大半，
根据中国汽车工业协会数据，日系车在中国市场份额 2020 年为 23.1%，
到 2021 年为 20.6%，
2022 年 17.8%，
2023 年 14.4%，
2024 年 11.2%，
2025 年 9.8%，已经下降到了 10% 以下。

而在日本车企传统优势的东南亚市场，日系车在东南亚不只是在泰国大幅下滑，在东南亚其他主要市场也在全线下滑。
根据日本媒体读卖新闻 2026 年 1 月 6 日的报道，

在 2010-2020 年，日系车在泰国一直保持着 80%-90% 的份额，在 2020 年之后逐渐下滑，
其中 2022 年是个最大的转折点，《读卖新闻》专门把 2022 年标注了比亚迪进入泰国市场。
2023 年，泰国市场日系汽车份额骤降至 77.8%，到 2025 年 1-10 月进一步猛降到 69.8%。

在东南亚最大的汽车市场，占了东南亚车市约 30% 的印度尼西亚，
日本汽车制造商的市场份额在 2024 年也跌破 90%，
并在 2025 年前 10 个月进一步下降至 82.9%。
而主要原因就是因为中国车企份额扩大，抢占了日系的份额。

中国市场，东南亚市场并非是全球的孤例，在俄罗斯，中亚，欧洲，拉美，澳大利亚的汽车市场，中系汽车品牌的份额都在上升，日系车的份额在被逐渐挤压。
目前日系车最安全的市场就是美国市场了。

不是外资跑了，是外资的结构变了

@ 奥特快啊： 昨天和一个之前在新能源车上下游工作的朋友吃午饭，有几个印象深刻的点：

1.2026 年 Q1 国内汽车销量暴跌约 20%，但产销比基本没啥变化，因为国内没消化的都卖到海外去了，出口同比暴增 50%。

1. 比亚迪在国内的入门款在日韩可以按照中端生态位去卖，在韩国已成为史上最畅销外资车企。
2. 欧洲产业资本在加码对华 FDI，主要是研发中心。这与我前段时间的研究观察一致：外资 FDI 总量确实在减少，但来华企业数量却在增加。

这说明什么？这说明不是外资跑了，是外资的结构变了 —— 早年来拿地建厂，当然资金量更大；现在中国供应链和生产要素起来了，所以要么是来设研发中心、要么是采购中心，当然不再需要那么大资金。

所以总以 “外资来华 FDI 在减少” 来论证外资跑了，中国又 gg 了，完全就是人云亦云，站不住脚。

1. 宁德时代等新能源龙头企业不是产能过剩，是目前产能根本不够用，已经拉到 95% 了，大量出口。

霍尔木兹海峡危机会让各国逐渐意识到最终实现能源安全只能靠新能源，因为风光水都是你自家的，不需要看人脸色，买好设备就能用 —— 而老中在新能源产业链里具有统治性地位。

1. 我越来越觉得 “因为相信所以看见” 是对的。很多事就是一个信（可能建立在某些蛛丝马迹上），信就是信，不信的话再怎么说都能找到反例。

而我就是信，出海最终会带动入海，更宏大更好玩的战场还没来。

AI 会加剧效率分化，未来有可能 1 个人顶 10000 个人

@ 莫大艺术家： 刚才遛弯，看到了 karpathy 大佬说了个残酷的，大意是，免费、过时的模型（大众认知）与今年最顶尖的智能体模型（如 Claude Code/Codex）之间存在巨大的能力代差。
你用的好，你对行业理解的就深，你用的垃圾，你就是个垃圾。
AI 的进化在编程、数学和科研等 “可验证、高价值” 的领域是飞跃式的（由于强化学习的特性），但在日常写作、常识问答等模糊领域进步相对缓慢。
所以大概存在了一个认知断层：
专业技术人员（Group 2）正在见证 AI “瞬间解决数周工作量” 的奇迹，而普通用户（Group 1）仍因模型在日常对话中的低级错误而低估 AI。
原文我贴一下：
———————–
在我看来，人们对 AI 能力的理解正出现日益扩大的鸿沟。
第一个问题在于使用的 “时效性” 和 “层级”。 很多人还停留在去年试用 ChatGPT 免费版的印象中，并以此作为对 AI 的全部认知。这导致一群人还在嘲笑模型的幻觉和低级错误（比如最近流传的语音模式连 “去洗车店该开车还是走路” 都答错）。但问题在于，这些过时的免费模型根本无法代表今年最前沿的 “智能体” 模型（Agentic Models）的水平，特别是像 OpenAI Codex 和 Claude Code 这种级别。

第二个问题在于应用领域的 “偏向性”。 即使有人每月花 200 美元使用顶级模型，AI 的进步也主要集中在高度专业的技术领域。普通的搜索、写作和建议类查询，并不是进步最明显的地方。这一方面是因为强化学习（RL）更擅长处理 “可验证奖励” 的任务（比如代码行不行，有标准答案）；另一方面是因为这些技术领域具有极高的商业价值，是各家公司的研发重心。

因此，现在出现了第二群人： 他们既使用顶级模型，又在编程、数学和研究等专业领域高频使用。这群人正经历着 “AI 狂热”，因为今年的进步简直令人震惊。当你给这些模型一个终端权限，你会看到它们在短短一小时内重构整个代码库，或者修复复杂的系统漏洞，而这些工作以前需要人类耗费数周。

简而言之： 社交媒体上嘲笑 AI 愚蠢的人，和专业领域里被 AI 生产力吓到的人，完全是在各说各话。OpenAI 的免费语音模式可能会犯蠢，但与此同时，它的顶级 Codex 模型已经能像专家一样处理极高难度的技术挑战了。

结论就是：
如果你还没感受到 AI 的震撼，那可能是因为你还没在专业技术领域使用过今年最顶级的生产力工具。
—————–
不过大佬也感慨了一句：
“有人最近对我说，OpenClaw 之所以引起如此大的反响，是因为这是第一次有一大群非技术人员（他们平时只把 AI 与 ChatGPT 网站等同起来）体验最新的智能代理模型。”

我也是有如此想法。
所以，这种尝试跨越鸿沟的拉平智力导致的阶级隔离的产物，终究会带来行业很大的麻烦：Token 浪费

咱就说啊..OpenClaw 折腾的这几个月，估计会把各家低价套餐全打没..
大概不久就能看到，每个月最低 199 入门套餐了..

为什么大模型领域红包开路的战术没用了？

@ 楚团长聊聊天： 26 年春节，腾讯阿里搞了一波抽象的红包大战，企图在 AI 时代复刻互联网玩法，但是大人，时代变了。这场大战的赢家有且只有一个，那就是豆包，最近更是有数据爆出，豆包大模型日均 Token 使用量突破 120 万亿，已经杀入全球前三。

为什么红包开路的战术没用了？核心在于，过去互联网产品的体验没有质的差异，用红包完成用户习惯的培养后，用户会自动留存。

但大模型最终进入了工具时代，免费工具，人们只会用体验最好的；而付费工具，人们会根据需求来选择适合自己的。千问和元宝的用户体验不如豆包，自然就是要被抛弃的。

进一步来说，当下大模型的发展俨然也已经分化出两种路径。

一条是豆包型。这类模式的目标，从一开始就不是立刻挣钱，而是先拿下 C 端心智。因为在消费端，用户对大模型的直接付费意愿天然偏低，单纯靠订阅很难撑起健康的商业模式。

所以企业愿意在前期承担相当一部分模型成本，用低价甚至免费的助手，去换取生态层面的化学反应。搜索、内容分发、电商、本地生活、广告投放，这些原本割裂的流量入口，在一个语音界面、一个日常助手、一个高频调用的超级入口中被重新串联。谁先占住这个入口，谁就更有机会把后续的交易、广告、服务与分发权，一并收入囊中。

另一条则是 Anthropic 型。它追求把大模型做成强力的生产力的工具。写代码、改代码、阅读文档、生成研究材料、处理客服和销售线索、驱动自动化交易…… 这些场景不热闹，却都直接连着收入、成本和效率。

需要注意的是，工具绝不是越贵越强就越好，企业客户最终一定会回到经济性比较：同样的任务，谁更稳定，谁更便宜，谁才更值得长期采购。到那一步，Anthropic 类公司如果只是卖一个 “更聪明的模型”，就很容易被压回到模型供应商的位置，沦为企业系统中调用可能性的一部分，拿不到最有价值的闭环。

所以，这类公司后面势必要围绕工作成果的闭环，构建一整个配套：container、research、agent mode、memory、secure execution。说得更直白一点，它必须从能够完成一些高价值工作的模型，变成承接工作的系统。只有这样，它才能真正绑定企业的工作流程，进入预算最深、黏性最高、替代成本也最高的那一层。

这两条路线服务的是不同的价值层。豆包型吃的是入口、分发和生态；Anthropic 型吃的是生产力、专业预算和工作流价值。

由此再往前推一步，我们会对大模型公司的收费模式做出一些假设。

包月制的大模型一定是一个过渡阶段的产物。

对用户而言，每个月付一笔固定费用，就可以不限于聊天、搜索、写作、翻译和轻度办公，这是非常自然的互联网消费习惯。但问题在于，大模型已经是生产力工具了，不同用户之间的成本差异巨大。

有人只是偶尔问几个问题，有人却在用它跑代码、调接口、做交、甚至做多模态工作。前者几乎不耗资源，后者则可能消耗极高的算力、电力。继续用一个统一的月费去覆盖如此悬殊的使用强度，是不可持续的。

包月制大概率未来会推出历史舞台，要不然直接像豆包那样彻底免费，要不然向生产力工具进化。

再往后，甚至连 Token 计费本身，也会分层。

在早期阶段，按 Token 收费是最直接的。模型能力稀缺，算力昂贵，调用一次结算一次，像卖电。对模型公司而言，这套口径清晰、便于管理；对企业用户而言，这也是最容易接受的。

但伴随着 Token 的边际成本会持续下探，以及 agent 模式的深入，根据吉文斯悖论（某种资源的使用效率越高，其总消耗量反而可能因为应用场景的指数级扩张而激增），Token 消耗量在某些场景下，甚至会出现失控式狂飙。

对于企业而言，没有人会愿意为没有结果的电力付费，大家最终会付费的，还是结果。企业不在乎用了多少 Token，企业在乎的是，花了钱之后，结果是不是满意。如果有模型公司，或者是智能体，能够用更少的 Token 交付结果，企业也一定愿意按照结果付费。

而大模型绝对是有能力对结果的价格做评估的，因此，未来分段式付费的模式一定会应运而生，卖一段代码的交付，卖一条销售线索的筛选，卖一份合同的审阅，卖一次客服工单的闭环，卖一个研究流程的完成。

到那时，模型只是一个零部件，真正有定价权的，是那个能把模型、数据、规则、记忆、审计、权限和执行动作封装成工作能力的人。

这也意味着，价值捕获的重心，将从 “拥有算力的人”，逐步漂移到 “控制高价值工作流闭环的人”。

这里面有两个东西是很重要的：Memory 和 Liability。

所谓 Memory，是企业在长期运转中沉淀下来的决策路径、审批逻辑、客户上下文、异常处理、权限边界与合规要求。

一旦这些东西被模型层、执行层和工作流层持续读取，它们就不再只是后台资料，而开始变成生产要素。企业每多使用一次系统，这套记忆就多积累一分；每多完成一轮任务，系统对组织的理解就更深一层。时间越久，迁移成本越高，替代难度越大，复利也越明显。

这就是为什么，未来最强的模型，未必是能力最强的，而更可能是掌握私域记忆最深的公司。因为它拿到的不是一次调用，而是一段长期关系；不是一个问题的答案，而是一家组织不断重复自身运作方式的钥匙。

Liability 解决的是决策问题。

一旦模型开始进入审批、签约、交易、客服、投放、风控这些真实流程，一件更现实的事就出现了：它出错了，谁负责。

谁敢把系统接进真实工作流程，谁就必须对结果承担一部分后果；而谁愿意承担这部分后果，谁才更有资格拿走最厚的利润。

未来可能出现的是一类新的垂直整合者：上面握着模型与算力，下面连着数据、规则、记忆、审计、权限和执行，中间再用合同与责任把收费权锁住。

这类公司不是大模型能力强，而是它同时控制了两件最稀缺的东西：一是企业的隐性认知，二是最终责任。前者决定重复博弈中的复利，后者决定交易完成后的分钱方式。

这一点，恰恰构成了眼下市场预期差最大的地方之一：专业软件。

这些软件当然面临挑战。表面上看，大模型似乎在侵蚀它们的壁垒。过去依赖复杂界面、功能模块和操作门槛建立起来的软件护城河，如今被自然语言接口削弱了。一个模型看起来能替代过去软件界面的不少功能，这让市场很容易先得出一个简单粗暴的结论：专业软件要被颠覆了。

但如果往深处看，事情恰恰可能相反。

真正的专业软件，长期积累的价值，是它对行业工作流的理解。权限如何设置，历史数据如何调用，责任如何追踪，外部系统如何对接，什么环节可以自动化，什么环节必须保留人为确认…… 这些东西，才是行业真正的长期高维认知。通用模型很难 get 行业里那些繁复、沉默、琐碎却极其关键的流程规则。

从这个意义上说，大模型未必最终毁掉专业软件，反而更可能使专业软件迎来一轮新的价值重估。因为它们手里握有最稀缺的东西：组织如何运转的隐性知识。

而再往后看，真正决定这轮价值归属的，未必只是模型能力本身，而是谁能把模型嵌进一套不可轻易替代的组织结构和工作流程中。专业软件过去积累的那些行业 knowhow，可能恰恰是模型最难替代的地方。

技术奇观终会褪色，现金流不会。大模型产业接下来的胜负手，不在于谁还能讲出更宏大的智能故事，而在于谁能把模型嵌进工作流程中，把调用变成结果。

对我们每个普通人而言，学习如何在工作中，理解大模型带来的变化，可能是比投资大模型趋势更重要的事。

Hermes vs Evolver：文本相似度 0%，架构同构 100%：AI 时代首例架构级代码洗稿复盘

@AYi_AInotes本来今天要写一篇Hermes-agent相比小龙虾token消耗更大的文章，
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http://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。