AEON — Agent Evolution & Optimization Network
L-ingqin12/aeon
Skills e agents que aprendem e evoluem automaticamente de suas conversas
Ver no GitHubSistema meta-agent que observa suas conversas com Claude Code e automaticamente evoluir skills e agents através de aprendizado contínuo. Implementa dois fluxos: Evolve (otimiza skills existentes) e Bootstrap (cria novos skills a partir de padrões detectados), com rigorosa avaliação de necessidade antes de qualquer ação.
Instalação
npx convez-ai L-ingqin12/aeon1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Otimizar automaticamente skills que cometem erros repetidos
- Descobrir e cristalizar padrões de workflow recorrentes em novos skills
- Injetar conhecimento e melhores práticas observadas entre conversas
- Manter memory e preferenciais do usuário sincronizados e atualizados
Veredito

Projeto ambicioso de meta-automação que trata skills e agents como organismos vivos. Bem concebido em arquitetura e filosofia (script-first, necessity gates), mas em estágio conceitual/referência — implementação real em JavaScript seria significativa e requer integração profunda com Claude Code.
README
A tradução para o português deste README ainda está na fila.
🧬 AEON — Agent Evolution & Optimization Network
让 Claude Code 的 Skills 和 Agents 像生物一样进化——从对话中学习,自动优化自身。
一句话概述
AEON 是一个元级 Agent 系统。它不直接解决用户问题,而是观察你与 Claude Code 的对话,自动发现改进机会,生成并验证 Skills/Agents 的进化版本。
解决什么问题?
AEON 回答三个问题:
- 研究: "外部有哪些更好的方法?" → 知识注入
- 进化: "这个已有的 skill 可以更好吗?" → 存量改进
- 引导: "该有一个新 skill 来做这件事吗?" → 增量生长
问题:Skills 和 Agents 写好后是静态的,不会从使用中改进
↓
现象:用户反复纠正同一个问题、Agent 重复犯错、好的策略没有被固化
反复执行相同流程、但每次都要从头描述
↓
AEON:研究 → 观察 → 进化 → 验证 → 部署 (Evolve 链路)
发现 → 必要性判断 → 引导创建 skill (Bootstrap 链路)
自动触发 · 跨会话学习 · Fan-out 并行 (Autonomous)
核心原则
脚本优先 (Script-First): Skills 封装思考,脚本封装执行。封闭世界问题用脚本(零 token,100% 准确),开放世界问题用 Skill。
如无必要,勿增实体: 新建 skill 是最后选择。脚本 > Memory > 进化已有 > 新建。7 道关卡严格把关。
真实场景
| 场景 | 没有 AEON | 有 AEON |
|---|---|---|
| 用户3次指出遗漏了安全检查 | 手动修改 skill 指令 | 🔧 Evolve: 自动添加 Security 维度 |
| Agent 发现"先画图再列步骤"100%成功 | 策略丢失在对话记录中 | 🔧 Evolve: 策略注入 Agent prompt |
| 用户偏好的框架从 Jest 变为 Vitest | Memory 中的旧信息一直留着 | 🔧 Evolve: 自动更新 memory |
| 用户反复手动做 部署→检查→通知 | 每次重新描述流程 | 🌱 Bootstrap: 6关通过后自动创建 deploy skill |
| 用户3次手动排查日志同一套流程 | 没有意识到可以固化 | 🌱 Bootstrap: 发现模式→判断必要性→创建 log-analyzer skill |
| 一个简单偏好("用yarn不用npm")被误建为skill | 过度工程化 | ⚖️ Necessity Evaluator: Gate 5 拒绝→改为 memory |
核心架构
AEON 有两条互补链路:
┌──────────────────────────────────────────────────────────┐
│ AEON System │
│ │
│ 🔬 Research → 🔧 Evolve → 🌱 Bootstrap │
│ 👁️Observer → 🔍Analyzer → 🧬Evolver → 🛡️Fitness → 🚀Deploy │
│ 🔎Discoverer → ⚖️Necessity(7关) → 🏭Bootstrapper │
│ ⚡ Autonomous: 自动触发 · 跨会话 · Fan-out 并行 │
│ │
│ ⚖️ Necessity Evaluator 是守门人 │
│ "如无必要,勿增实体" — 默认答案是 NO │
└──────────────────────────────────────────────────────────┘
快速开始
安装
将 AEON 的 skill 和 agent 定义添加到你的 Claude Code 项目中:
# 克隆 AEON
git clone https://github.com/L-ingqin12/aeon.git
# 将 skill 添加到你的项目
cp -r aeon/skills/evolve .claude/skills/evolve
# 将 agent 定义添加到你的项目
cp -r aeon/agents/ .claude/agents/aeon/
# 初始化 AEON 存储
mkdir -p .claude/aeon/genomes
echo '[]' > .claude/aeon/evolution-history.jsonl
第一次使用
/evolve
运行后你会看到:
进化链路 (Evolve):
- 对话分析摘要
- 发现的改进机会(已有 skill/agent)
- 建议的进化方案
- 自动应用的低风险改进
- 需要审查的中高风险改进
引导链路 (Bootstrap): 6. 发现的重复工作流模式 7. 6 关必要性判断结果 8. 通过验证的新 skill 定义 9. 降级为 memory 的简单模式
日常使用
# 对话结束后自动触发(通过 Hook)
# 或在需要时手动触发
/evolve # 完整进化循环
/evolve review # 审查待处理的进化
/evolve status # 查看进化状态
/evolve history code-review # 查看 skill 的进化历史
/evolve rollback code-review # 回滚到上一版本
文件结构
aeon/
├── README.md # 本文件
├── DESIGN.md # 完整架构设计文档(含两条链路)
├── LICENSE # MIT 许可证
│
├── skills/
│ └── evolve/SKILL.md # /evolve skill 定义(子目录格式)
│
├── agents/
│ ├── observer.md # Observer — 对话信号提取
│ ├── evolver.md # Evolver — 核心进化引擎
│ ├── fitness-evaluator.md # Fitness Evaluator — 质量守门人
│ ├── workflow-discoverer.md # Workflow Discoverer — 重复模式发现
│ ├── necessity-evaluator.md # Necessity Evaluator — 7关必要性判断
│ └── skill-bootstrapper.md # Skill Bootstrapper — script/skill 双模式生成
│
├── tools/
│ └── evolution-engine.js # 完整双链路 Workflow 脚本(概念参考实现)
│
├── hooks/
│ └── settings.json # Hook 配置(自动触发进化)
│
├── examples/
│ └── evolution-cycle.md # 完整进化周期示例
│
└── memory-templates/
└── evolution-preferences.md # Memory 模板(记录进化偏好)
进化模式
| 模式 | 风险 | 自动应用? | 示例 |
|---|---|---|---|
| incremental | 低 | ✅ 是 | 措辞优化、示例添加 |
| guided | 中 | ⚠️ 审查后 | 策略调整、工具变更 |
| major | 高 | ❌ 需确认 | 重写指令、行为变更 |
| experimental | 未知 | 🔬 A/B测试 | 新策略探索 |
必要性判断(7 道关卡)
| 关卡 | 问题 | 失败路径 |
|---|---|---|
| G0 脚本优先 ⭐ | 封闭世界(已知路径+结果,异常可枚举)? | 🔧 脚本 + 薄 wrapper |
| G1 频率 | 最近50次对话出现 ≥3 次? | 🗑️ 不处理 |
| G2 稳定性 | 步骤序列已收敛? | 📝 memory + "evolving" |
| G3 边界 | 触发/输入/输出清晰? | 📝 memory |
| G4 重叠 | 现有 skill 不覆盖? | 🔧 进化现有 skill |
| G5 复杂度 | ≥2/4 复杂度指标? | 📝 memory |
| G6 路由 | 不造成触发冲突? | ⚠️ 重新设计 |
Script vs Skill
| 脚本 | Skill | |
|---|---|---|
| 问题 | 封闭世界 | 开放世界 |
| 路径 | 确定,已知分支 | 不确定,需要分析 |
| 示例 | grep ERROR | sort | uniq -c | "分析这些错误的根因" |
变异算子(进化链路)
| 算子 | 描述 | 风险 |
|---|---|---|
prompt_clarify | 增加具体指令和场景覆盖 | 低 |
tool_add | 添加缺失的工具 | 中 |
tool_remove | 移除无效的工具 | 低-中 |
strategy_inject | 注入成功策略模式 | 中 |
trigger_tune | 调整触发灵敏度 | 低 |
knowledge_update | 更新过时的 memory | 低 |
example_add | 从成功对话提取 few-shot | 低 |
constraint_add | 添加禁止规则 | 低-中 |
安全设计
- 沙箱执行 — 进化在隔离的 Git worktree 中进行
- 变更审计 — 所有进化记录在 Git 历史和 evolution-history.jsonl 中
- 人工把关 — high-impact 变更需用户确认
- 自动回滚 — 适应度下降超 10% 自动触发回滚
- 速率限制 — 每 24 小时最多 5 次进化(3 次自动应用)
- 渐进推广 — 重大变更支持金丝雀部署
设计理念
观察优于假设
所有进化基于真实对话数据。AEON 不会凭空猜测应该如何改进——它从你的使用模式中学习。
如无必要,勿增实体
新建 skill 是最后选择。Memory 优先,进化次之,新建最末。6 道关卡确保每个新建的 skill 都是必要且经过验证的。
渐进优于激进
小步快跑。每次只改一个维度,每个进化都可以独立回滚。没有"大爆炸"式的重写。
人在环中
AEON 是增强工具,不是替代品。低风险变更自动应用,高风险变更始终需要你确认。
适用场景
✅ 适合:
- 有多个自定义 skill/agent 的活跃用户
- 团队共享 skill 库的场景
- 需要持续优化 agent 行为的长期项目
⚠️ 不太适合:
- 偶尔使用 Claude Code(信号不足)
- 只用默认 skill 和 agent(无自定义实体可进化)
- 对话高度多样化且每次上下文截然不同
贡献
AEON 本身也是一个可以被进化的系统!如果你有改进建议:
- Fork 这个仓库
- 创建一个进化提案(Evolution Proposal)
- 提交 PR
许可证
MIT — 自由使用、修改、分发。
"The best agents aren't written — they're evolved."