Beobachtetes Signal · 12. Apr. 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Positiv
Open-Source-Protokoll für selbstevolvierende AI Agents veröffentlicht
Ein Entwickler hat das Evolve Protocol als Open Source veröffentlicht, eine universelle, prinzipienbasierte Architektur für AI Agents, die eine persistente Selbstoptimierung über verschiedene Agenten-Typen hinweg ermöglicht. Das Design umfasst fünf Schichten: Layer 0 (Autonomous Decision Engine), Layer I (Memory Persistence), Layer II (Experience Accumulation), Layer III (Efficiency Evolution) und Layer IV (Safety Boundaries). Im Fokus stehen unkomplizierte Grundlagen wie Decision Log, Error Library und State Snapshots, die bereits ohne komplexe Installation einen hohen Mehrwert bieten. Das Repository steht auf GitHub unter einer MIT-0-Lizenz zur Verfügung. Der Autor berichtet über erfolgreiche Cross-Agent-Tests, eine plattformunabhängige Ausrichtung sowie eine kommende Listung auf ClawHub.
Ein plattformunabhängiges Open-Source-Framework für persistentes Agenten-Memory und Selbstoptimierung kann praktische Deployments beschleunigen, richtet sich jedoch primär an Entwickler statt an große Plattformen.
Marktsignale zu GitHub in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Autor veröffentlicht Evolve Protocol auf GitHub unter armorbreak001/evolve-protocol
- Fünf Architektur-Schichten: Decision Engine, Memory Persistence, Experience Accumulation, Efficiency Evolution, Safety Boundaries
- Praktische Schnellstart-Elemente: Decision Log, Error Library und State Snapshots
- Veröffentlichung unter der MIT-0-Lizenz (No Attribution)
- Auch als OpenClaw Skill verfügbar; ClawHub-Listung in Kürze
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Selbstevolvierende KI-Agenten lernen autonom aus eigenen Fehlern
Der Artikel beschreibt eine Self-Evolution-Pipeline-Architektur, mit der autonome KI-Agenten automatisch aus Produktionsfehlern lernen, indem sie Fehler als symbolischen Gradienten interpretieren. Das geschlossene System protokolliert Fehlschläge in persistenten Vektordatenbanken wie Qdrant oder ChromaDB, erstellt daraus Trainings- und Validierungssätze und bewertet Fähigkeiten über eine mehrdimensionale Fitness-Metrik. Ein genetischer Optimierer (GEPA auf Basis von DSPy mit MIPROv2-Fallback) schlägt Prompt- und Richtlinienmutationen vor. Ein Constraint Validator prüft die Kandidaten, bevor verbesserte Skill-Prompts nach erfolgreicher Validierung an Holdout-Daten bereitgestellt werden. Der Beitrag enthält Code-Beispiele, Sicherheitsleitplanken zur Vermeidung von Specification Gaming sowie eine Analyse der Kosten- und Sicherheitsabwägungen und stützt sich auf das E-Book des Autors über selbstevolvierende KI-Workforces.
Open Engine: Autonome Übergaben zwischen AI Agents ohne menschliche Intervention
Der Autor stellt Open Engine vor, ein praktisches Framework mit Copy-Paste-Templates, das AI Agents die nahtlose Übergabe von Aufgaben über verschiedene Modelle und Tools hinweg ohne menschliche Statusverwaltung ermöglicht. Der Fokus liegt auf der Integrationsschicht: Quellen, Limits und Provenienz bleiben erhalten, während Aufgaben zwischen Agents wie Claude, Codex, ChatGPT, Browser-Agents und Tools wie Slack, Linear oder Kalender wandern. Open Engine umfasst eine gemeinsame Aufgabenliste, einen siebeteiligen Task-Record, eine kompakte Rechenschafts-Receipt sowie ein Audit mit neun Fragen in einer Schleife. So können Agents Aufgaben mit lückenlosen Nachweisen beanspruchen, pausieren, fortsetzen und abschließen. Die Veröffentlichung adressiert die operationalen Reibungsverluste multimodaler Workflows und positioniert sich neben Orchestrierungsprojekten wie OpenClaw, Hermes und Symphony.
Autonome AI Agents und OpenClaw treiben die Transformation voran
Lokale Regierungen in mindestens sechs chinesischen Distrikten und Entwicklungszonen haben Anfang März Förderpakete zur Unterstützung von OpenClaw und zur Ansiedlung von One Person Companies (OPCs) aufgelegt. Dabei handelt es sich um Solopreneure und Mikro-Entrepreneure, die AI Agents als primäre Belegschaft einsetzen. Distrikte wie Shenzhen-Longgang, Wuxi, Changshu, Hefei, Hangzhou-Xiaoshan und Nanjing kündigten umfassende Maßnahmen an, die von kostenlosen lokalen Deployments in Partnerschaft mit China Telecom bis hin zu massiven Rechenleistungs-Subventionen reichen – darunter bis zu 20 Millionen RMB jährlich in Hangzhou. Diese Programme markieren einen strategischen Paradigmenwechsel in der Industriepolitik weg von der klassischen Unternehmensförderung hin zur gezielten Unterstützung von Einzelpersonen, werfen jedoch gleichzeitig Fragen hinsichtlich der fiskalischen Nachhaltigkeit rechenintensiver Subventionen auf.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.