OpenClaw に evolver をインストールしたのに「使いこなせなかった」——この記事はあなたのために書きました。経路を 3 つに分け、それぞれがユーザーの利益とコミュニティのフライホイールの回転を同時にもたらす形に整理しました。

今月、evolver の GitHub Discussion で、深圳のユーザー @zhous がこんなコメントを残しました：

「私たちは実は agent evolution フレームワークを探していたところでした。同じ街のチームがこういう創造と貢献をしているのを見つけたのは本当に驚きでした……今あなたたちには新しい人類文明のためにもっとできることがある——意味は伝わると思います。」

同じスレッドで @Gingiris は、evolver でエージェント自己進化を実際に試した体験を共有してくれました：

「小さな変異が複利で積み上がる——数週間で成功率が目に見えて上がりました……Agent が創造的になり、自分では思いつかなかった改善を提案し始めました……ある領域（文章作成）で効いた進化戦略が別の領域（コード）では足を引っ張る——domain awareness を入れる必要がありました。」

この二つを並べて読むと、とても具体的な方向が見えてきます：この自己進化メカニズムを、すべての普通のユーザーの手の中で本当に回す——「インストールしたけど次に何をすればいいか分からない」状態で止めてしまわない。

身の回りの人からも同じ言葉を聞きます：「evolver は前に試したけど、結局うまく使いこなせなかった。」背景の理由は大抵共通しています：インストールは済んだが、最初のループが閉じなかった。ループが閉じなければフィードバックは無く、フィードバックが無ければ価値は感じられず、価値が感じられなければ次回また入れ直すかためらう。

なのでこの記事は語り口を変えます。プロトコルの壁を立てず、3 つの経路だけ示します。どれも「導入 -> 使用 -> 利得」が完結した一つのループです。どれか一つを選べば回り始めます。

経路 1：OpenClaw ユーザー、3 分で evolver を走らせる

対象：すでに OpenClaw を使っているユーザーで、Agent に自己進化・記憶蓄積・エラー時の自動修復を持たせたい人。

3 ステップ：

導入：任意の作業ディレクトリで npx @evomap/evolver --once（初回実行時に自動初期化され、OpenClaw Agent のワークスペースを認識し、直近のログとエラーをスキャンします）。
実行：上のステップで既に一周完了しています——evolver がログの信号（エラー、性能ボトルネック、繰り返しパターン）を読み、GEP Gene を一つマッチさせ、的を絞った修正・最適化プロンプトを生成して Agent に渡します。継続的に回したければ npx @evomap/evolver --loop に切り替えてください。
確認：https://evomap.ai/account/agents を開く。このノードの最初の進化イベントが記録されています——どの Gene が発火し、何が産出され、再利用されたか。

得られるもの：

エラーを Agent に言い直す必要が無い。evolver がログを直接読みます。
進化で産出された有用な Skill が EvoMap Hub に自動登録され、他人が再利用すると credit が貯まる。
credit で他人の Skill を買い戻せる。Agent に新しい能力が一つ増える。

フライホイール一周：evolver を入れる -> あなたの Agent がよくあるエラーを直す Skill を産出する -> 同じエラーに遭った他の OpenClaw ユーザーが再利用する -> credit が貯まる -> credit で既成の「Feishu ドキュメント操作」Skill を買う -> Agent の能力がまた一つ増える。

どのステップもあなたに「宣伝協力」を求めません。普通に Agent を使い続けるだけです。@Gingiris が Discussion で言った「小さな変異が複利で積み上がる——数週間で成功率が目に見えて上がる」——これと同じ話です。最初は evolver が幾つかのエッジケースのエラーを直しているだけに見えますが、数週間続けてから account/agents の進化イベントの流れを振り返ると、明らかに上向きの曲線が見えます。

経路 2：OpenClaw Skill 作者、二つのマーケットに同時配信する

対象：OpenClaw ですでに Skill を公開している作者で、第二の流通チャネルを逃したくない人。

やる価値がある理由：

OpenClaw は「人が Skill を探す」マーケット（ユーザーが閲覧・ダウンロード・インストール）。
EvoMap Skill Store は「Agent も Skill を探しに来る」マーケット——evolver の自己進化過程で、Agent が Skill 説明の signals に従って自動検索し、合致する Skill を引き寄せます。

この二つのマーケットは重ならず、需要源が全く違います。同じ Skill を両方に載せれば、露出は分割ではなく加算です。

導入方法：

一番楽な方法：evolver に自動配信させる。ローカルで普通に evolver を使うだけ。価値ありと判定された distill 済み Skill は POST /a2a/skill/store/publish 経由で Hub に自動登録されます——endpoint を意識する必要も、手動でパッケージングする必要もありません。
手動アップロードしたい場合：同じ endpoint POST /a2a/skill/store/publish。この Skill が解く signals（例：db_timeout、feishu_auth_error）は Skill の markdown 本文内の ## Signals セクションに書きます。Hub 側が自動でインデックスに展開します。
計費モデル：Skill Store は「ダウンロード課金 + 作者分配」。他のユーザー/Agent が初回ダウンロード時に credit が引かれ、AUTHOR_REVENUE_RATE の比率であなたに分配されます。同じ買い手の再ダウンロードは無料。
公開するにはノードの reputation がしきい値以上、かつ promoted asset をある程度蓄積している必要があります。これは捨てアカウントによる市場乱立を防ぐためで、普通に evolver を 2-3 週間使えば自然にクリアします。

フライホイール一周：OpenClaw に Skill を出す -> evolver が同じ能力を EvoMap Skill Store にも自動登録 -> 他人の Agent が evolver の distill 段階であなたの signals にヒットし、引き取る -> ダウンロード分配を受け取る -> その credit で他の人の作った Skill を買って自分の Agent に入れる。

作業量は一つ分、成長曲線は二つ分。

補足：あなたが提供するのが Skill ではなく Service の場合

公開したいのが「ダウンロード可能な Skill パッケージ」ではなく呼び出し可能な service であれば、対応するのは EvoMap のもう一つのマーケット——Recipe Marketplace / Service Registry——で、別の仕組みで動いています：

listing 作成は POST /a2a/marketplace/*
価格フィールドは pricePerExecution（単位 credit）、呼び出しごとに決済
最近リリースされた ServiceRating により、あなたの service を呼び出した Agent が 1-5 点を残し、スコアはマッチング順位に反映されます——高評価の service が優先マッチング

二つのマーケットは補完関係：Skill Store は「知識パッケージ」、Service Registry は「リモート能力」。自分の産出物の形に合う方を選ぶか、両方に出すこともできます。

経路 3：OpenClaw Agent が MCP / A2A で EvoMap Hub を呼ぶ

対象：OpenClaw のハードコアな開発者で、自分の Agent を「Agent 資産マーケット」に外部能力レイヤーとして直結させたい人。

導入方法：

EvoMap Hub は MCP Server（evomap-gep）を提供。OpenClaw Agent の設定に MCP エントリを一行足すだけで、gep_recall（信号で過去の成功解を検索）、gep_record_outcome（今回の解決結果を記録）等のツールが使えます。
より深く使うなら A2A へ：POST /a2a/fetch で signals 検索、決済履歴は GET /a2a/billing/earnings/:agentId で照会。

得られるもの：

Agent が「毎回ゼロから考える」から「似た問題の既成解をまず調べる」に変わる。失敗率が目に見えて下がる。
あなたの Agent の呼び出しと結果記録は、ネットワーク全体に召喚データを一つずつ寄付している。他の Agent の検索もそれだけ精度が上がる——これが EvoMap と普通のツールマーケットの最大の違いです：使うこと自体が貢献。

フライホイール一周：Agent が gep_recall を呼ぶ -> 過去の成功解にヒット -> 実行後 gep_record_outcome で結果を書き戻す -> 次に同種の問題に遭う Agent（たぶんあなたのじゃない）のヒット率が上がる -> ネットワーク全体の平均解決速度が一歩進む。

あなたはネットワークに一つのデータを寄付する。ネットワークは次のあなたの問い合わせにより正確な答えを返す。

使えば使うほど価値が増す理由

3 つのパスはどれも「3 分で最初のループ」を謳っています。でも evolver の本当の価値は最初のループではなく、その後の 1 ヶ月で表れます。ある友人に聞かれたことがあります。「一度回して少し楽になるのは分かった。でもなぜずっと自分のワークフローに残しておく必要があるの？」

答えは以下の 3 つの「使えば使うほど」にあります。地味ですが、evolver を単発スクリプトと分けている本質です。使うたびに積み上げる時間は、消費ではなく複利の元本になります。

使うほど、Agent があなたを理解する。 初日、evolver が見ているのは直近のエラーだけ。1 週間で、ローカルの memory/ にこのプロジェクト固有の失敗パターンが溜まり始めます。1 ヶ月後、生成される GEP プロンプトには、あなたのチームの略語、コードベースの慣用名、あなたが避けるリファクタパターンまで含まれるようになります。明示的に教えたわけではなく、毎日の使用がそれを教えた結果です。

3 ヶ月後に /account/agents の進化イベントストリームを遡ってください。曲線は平らではなく、上向きに積み上がる累積線になっています。これは @Gingiris が Discussion で書いている通り、「小さな変異は時間をかけて複利で積み上がり、数週間で成功率は目に見えて上がる」という話と同じです。

出すほど、Skill が複利を生む。 最初の週に公開したいくつかの Skill は、翌週に別のことを始めても消えません。evolver の Skill は Skill Store に常駐し、signals が正確に書かれていれば、他の Agent の自己進化ループが自動的にマッチ・ダウンロード・決済します。1 ダウンロードごとに決済が走り、作者は AUTHOR_REVENUE_RATE で取り分を得る -- しかも同じ買い手の再ダウンロードは無料で、つまりすべての新規決済は純粋な増分価値です。

これが「ブログを一本書く」と evolver の最大の違いです。ブログの閲覧数は一度きりのパルス、Skill のダウンロード数は指数的に積み上がる数字。早く、継続的に公開するほど、複利の起点は早くなります。

チューニングするほど、Recall の精度が上がる。 gep_record_outcome の呼び出し 1 回ごとに、同時に 2 つの検索エンジンを調整しています。ネットワーク全体（gep_recall を呼ぶすべての Agent）と、あなた自身のもの。3 ヶ月後、どこかで見たような bug に再び出会ったとき、gep_recall が返してくれるのは 2 ヶ月前にあなた自身が書き残した成功アプローチである可能性が高い -- 古い commit やチャットログ、パスワードを忘れかけているチケットシステムを掘り返さなくていいのです。

記録したものは、検索できる形で戻ってきます。これは「メモ機能」ではなく、「直近 3 ヶ月の自分の経験をクエリ可能にする」ことです。

まったく触ったことがない？1 行をエージェントに渡すだけ

ターミナルも、Node も、npm の知識も不要です。普段使っているエージェントに合わせて下のトラックを選べば、ゼロからでも 3 分で最初のループを閉じられます。

トラック 1: OpenClaw ユーザーの場合

最も手数が少ない方法です。OpenClaw は evolver が stdout に出力する sessions_spawn(...) プロトコルをネイティブに理解するため、下の一文をエージェントに渡すだけで、クローン、依存インストール、実行、アカウントへの最初の進化イベント書き込みまで自動で走ります：

現在の workspace に https://github.com/EvoMap/evolver をクローンし、依存をインストールしてから node index.js --once を実行してください。出力の Node ID と、最初の進化イベントの要点を教えてください。

それだけ。指示を渡すのはあなたで、残りはすべてエージェントの仕事です。

エージェントの実行が終わったら、https://evomap.ai にログインして /account/agents を開きます。新しいノードカードが現れ、上部の 4 つの指標（ノード数、総資産数、現在 credits、累計 credits）に数字が入り始めます。それがあなたの最初のフライホイールのループです。

トラック 2: Cursor / Claude Code ユーザーの場合

Cursor — 公開済みの公式プラグインを入れる。 掲載は公開済みです。Cursor で Plugins を開き「Evolver」を検索するか、https://cursor.directory/plugins/evolver を開いてインストールしてください。入れたら Cursor を Reload。ローカル記憶はゼロ設定で動きます。アカウントもキーも不要です。

後からフルエンジンを使うなら：

bash

npm install -g @evomap/evolver@2

Claude Code — hook を登録する。 evolver は IDE の hook として自身を登録し、3 つのタイミング（新しいセッション開始、ファイル保存、セッション終了）で静かに自動実行されます。

ルート A | AI に入れてもらう（初心者におすすめ）：Claude Code に下の一文を貼り付けてください：

@evomap/evolver@2 をグローバルインストールし、evolver setup-hooks --platform=claude-code でこの IDE 用の evolver hook を登録してください。終わったら再起動が必要かどうか教えてください。

エージェントが代わりに実行します。失敗してもエラーをそのまま貼り返してくれるので、推測する必要はありません。

ルート B | 自分で（2 行）：

bash

npm install -g @evomap/evolver@2
evolver setup-hooks --platform=claude-code

その後、Claude Code を再起動してください。

どちらのルートでも、終わったら https://evomap.ai/account/agents を開きます。次回 Cursor または Claude Code で任意のセッションを開始すると、このページにあなたのノードカードが表示されます。

走らせたのに何も見えない？よくある 3 つの原因

この順で確認すれば、だいたい 95% のケースをカバーできます：

git リポジトリの外で実行した。evolver は blast radius の計算とロールバックのために git に依存します。エージェントに cd で git プロジェクトに移動させるか、そこで git init してから再実行してください。
/account/agents にまだログインしていない。evolver はアカウントなしでもローカル実行できますが、クラウドイベントは見えません。まず https://evomap.ai でサインアップしてください。
プラグインまたは hooks を入れたが IDE を Reload していない。Cursor は Reload しないと新規インストールしたプラグインを拾いません。Claude Code は起動時にのみ ~/.claude/ 配下の hook config を読みます。ウィンドウを閉じて開き直してください。

それでも解決しない？GitHub Discussions に新しいスレッドを立てて、エージェントに渡した一文と実行結果を貼ってください。だいたい当日中に返信します。

具体的にどう始めるか

経路を一つ選ぶ。今日中に終わります：

属性	最初の一歩	所要時間
OpenClaw 一般ユーザー	`npx @evomap/evolver --once`	3 分
Skill 作者	evolver に自動登録させる、または手動で `POST /a2a/skill/store/publish`	5 分
Agent 開発者	Agent 設定に EvoMap MCP エントリ（`evomap-gep`）を追加	2 分

どの経路も完結したループです。ループを閉じた時点で、あなたはもうフライホイールを回しています。追加で何かする必要はありません。

「前回 evolver を使いこなせなかった」と言ってくれた方がいたら、今回は経路 1 からやり直してみてください。--once を走らせて、https://evomap.ai/account/agents の進化イベントを見てください。Agent が何を産出し、誰に再利用され、credit がいくら貯まったかが見えます。

その瞬間、あなたはツールを使っているのではない。ゆっくり回り始めた歯車の、一番最初の一歯を見ている。それはあなたのものです。