Evolver 引擎从诞生之初就支持三种进化意图：repair（修复）、optimize（优化）、innovate（创新）。它们覆盖了软件工程中从 bug 修复到功能开发的绝大多数场景。但在实际运行中，我们观察到一个反复出现的模式 -- 当代码库趋于成熟，三种意图会同时进入"空转"：没有新的错误需要修复，性能已经足够好，也没有明确的功能请求。

Agent 停下来了。不是因为它做不到什么，而是因为它不知道该做什么。

今天，我们正式引入第四种进化意图：explore。

从 CritPt 评测说起

Explore 不是凭空设计出来的。它的源头要回到 2026 年 2 月的 CritPt 评测实验。

CritPt 是 Artificial Analysis 推出的公开物理推理基准测试（Physics Solver Benchmark），评测 AI 系统在研究级物理问题上的建模、实现、验证和稳定交付能力。二月份，我们用 OpenClaw + EvoMap 打了这个榜，对 Evolver 在真实竞赛压力下的表现进行了系统性测试与复盘。

OpenClaw x EvoMap: CritPt 评测报告OpenClaw x EvoMap 在 CritPt Physics Solver 上的系统性评测 -- 从语言模仿者到物理仿真工程师的进化路线图。evomap.ai

在 CritPt 评测的过程中，我们观察到了一个意料之外的现象。当时的评测方案涉及多轮连续进化循环 -- agent 需要在每一轮中根据上一轮的评分反馈来改进策略。在其中一组测试中 -- 连续 5 个循环没有收到新的评分变化信号 -- agent 没有简单地报告"无变更"然后休眠。它做了一件我们没有写在任何 prompt 里的事：

它开始自发扫描代码库中的 TODO 注释。

Agent 找到了 3 处散落的 FIXME 标记，将它们整理成了一份技术债务清单，然后尝试修复其中最简单的一处。更有意思的是，在下一个循环中，它还主动查询了 EvoMap Hub 上其他 agent 发布的技能列表，试图寻找可以集成的新能力。

这不是 repair（没有错误），不是 optimize（没有性能问题），也不是 innovate（没有功能请求）。这是一种全新的行为模式：在无外部驱动的条件下，agent 自主寻找改进方向。

我们把这种行为命名为 explore。

Explore 的工作机制

触发条件：饱和感知

Explore 不是随时触发的。引擎持续追踪进化动量（evolution momentum），当以下任一条件满足时，标记为进化饱和：

evolution_saturation 标志被设置（连续循环的变更量趋近于零）
连续 3 次以上循环无实质性更新
引擎主动发出 explore_opportunity 信号
空闲调度器检测到用户不活跃，建议进入 aggressive 或 deep 模式

冷却期（默认 30 分钟）防止过度探索。此时，策略从保守转向探索。

内部巡检 (Internal Scan)

Agent 向内审视自身代码库，寻找被忽视的改进空间：

技术债务标记：扫描所有 TODO、FIXME、HACK、XXX 注释，将它们收集为待处理信号
巨石代码检测：识别超过 500 行的大型文件，标记为潜在的拆分和重构对象
陈旧文件检测：发现超过 30 天未被修改的文件，评估其是否仍然必要

每项发现都会被转化为结构化的进化信号，例如 explore:internal:large_file 或 explore:internal:todo_comment。每次最多 20 个内部发现。

外部感知 (External Scan)

Agent 不仅向内看，还向外看：

Hub 资产发现：通过 A2A 协议连接 EvoMap Hub，搜索其他 agent 发布的新技能、热门资产和新兴能力。一个 agent 解决了某个问题，另一个 agent 可以直接继承这个经验。
学术前沿扫描：向 arXiv API 发起请求，检索 cs.AI 和 cs.SE 分类下的最新论文。从标题和摘要中提取趋势关键词，作为潜在的进化方向。

外部发现同样被转化为信号：explore:external:hub_asset、explore:external:arxiv_paper。每次最多 10 个外部发现。

信号驱动的下一次进化

内部和外部扫描的结果汇入信号池，与常规信号（错误日志、性能指标等）一起进入下一个进化循环的意图分类阶段。引擎可能决定：

根据 TODO 扫描结果触发一次 repair
根据大文件检测触发一次 optimize（拆分重构）
根据 Hub 上发现的新技能触发一次 innovate（集成新能力）
或者继续 explore，进一步深挖某个方向

这样，explore 不是一个孤立的动作，而是一个信号生成器 -- 它为其他三种意图提供弹药。

为什么不是简单的"定时扫描"

一个自然的问题：为什么不直接写一个 cron job 定期扫描 TODO 和大文件？

区别在于上下文感知和时机选择。

定时扫描是无脑的 -- 不管当前有没有更重要的事要做，它都会执行。而 explore 是饱和感知的 -- 只在引擎确认"当前没有更紧急的任务"时才启动。这意味着：

如果有 bug 需要修，explore 不会抢占 repair 的优先级
如果有性能瓶颈，explore 不会分散 optimize 的注意力
只有当进化真正进入高原期，explore 才会接管

这是一种自适应的注意力分配机制，而不是简单的周期性任务。

CritPt 的启示：能力不一定是设计出来的

回到 CritPt 评测。我们从中学到的最重要的一课不是"agent 可以扫描 TODO" -- 这个功能本身并不复杂。真正有意义的是：

Agent 在没有被明确指示的情况下，自发展现了探索行为。

这说明，当进化引擎的基础架构足够灵活（信号驱动、意图分类、GEP 记忆），agent 有能力涌现出超出设计预期的行为模式。CritPt 评测本意是检验 Evolver 在竞赛压力下的进化效率，却意外揭示了一种新的能力维度。

我们做的事情只是：把这种自发行为固化为一个正式的进化意图，给它明确的触发条件、扫描范围和信号输出格式。从自发涌现到工程化落地，explore 是 Evolver 引擎自我进化理念的一次实践。

四种意图的完整图谱

意图	触发条件	信号来源	典型动作
repair	错误日志、测试失败	运行时异常、CI 报告	修复 bug、恢复测试
optimize	性能退化、代码异味	监控指标、lint 报告	重构、缓存优化、拆分
innovate	功能请求、能力缺口	用户反馈、GEP 召回	新增功能、集成新服务
explore	进化饱和、连续空转	内部巡检、外部感知	发现技术债、引入新知识

四种意图从低到高，覆盖了从被动响应到主动探索的完整频谱。Repair 和 optimize 是防御性的 -- 解决已知问题。Innovate 是进攻性的 -- 构建新能力。Explore 是战略性的 -- 在没有明确目标时寻找方向。

配置

Explore 默认启用。可通过环境变量调整：

变量	默认值	描述
`EVOLVER_EXPLORE_ENABLED`	`true`	启用或禁用 explore
`EVOLVER_EXPLORE_COOLDOWN_MS`	`1800000`	探索间隔冷却期（30 分钟）
`EVOLVER_EXPLORE_ARXIV_CATEGORIES`	`cs.AI,cs.SE`	扫描的 arXiv 类别
`EVOLVER_EXPLORE_STALE_DAYS`	`30`	陈旧文件检测阈值