A-Genetic Engineering（Agent 基因工程）

A-Genetic Engineering（Agent 基因工程） 是对 The One 中“一套 Multi-Agent 系统如何被写下来”这件事的命名。Prolifera Engineering 描述系统在运行时如何长出来；A-Genetic Engineering 描述它依照什么长——那份被完整写下、可复用、可编辑的定义。A 即 Agent：Agent-Genetic 的缩写。

两个半成品

上一代 Agent 产品，各自握着答案的一半：

• Claude Code、Codex 这类单体 Agent 用 Skill 沉淀经过验证的经验与流程。这是经验，但没有结构承载它——一份 Skill 在新对话里落进怎样的上下文、被怎样的角色执行，每次都不一样，于是经验会漂移。
• 它们的 Multi-Agent 则是临时生成的 sub-agent：干完杂活即被丢弃。这是结构，但没有遗传——再合理的分工，跑完一次就消散，下一次从零来过。

经验没有结构，就会漂移；结构没有遗传，就会消散。

基因：经验与结构的融合

在 The One 中，一支工作小组被完整地写进 仓储（Definition Space）：

• Graph 模版（workflows/*.yaml）——节点与边。每个节点绑定一个 Agent 预设，并可叠加节点级的职责契约；每条边的描述文本就是移交指令本身：何时移交、交出什么、期待对方产出什么。这是小组的身体蓝图。
• Agent 预设（agents/*.yaml）——每个成员的 system prompt、模型、temperature、工具面、Skill、Profile 与生命周期预算，彼此独立定义。这是每一种细胞类型。
• Skill 与 Profile——沉淀下来的、可复用的“怎么做”与身份片段，按需挂载到任何成员身上。
• 随 Space 迁移的 memory——由 Agent 自己维护的日志，记录每一段基因为什么长成这样。

单独看，这些上一代都有雏形。融合才是关键：当经验式的 Skill 落进一个角色明确、工具明确、上下级与通讯边都明确的固定位置，而不是随机的对话上下文，经验才第一次停止漂移；当结构连同每个成员的全部配置被写成文件，而不是散在一次运行的内存里，结构才第一次可以遗传。一支真正可复用的成熟工作小组，是这两者的融合体——这份完整的记录，就是它的基因。

于是基因型与表现型分开了。Definition 是基因型；create_subgraph 把它表达成一个运行中的 Graph 实例——表现型。实例会睡眠、会被拆除；基因留下来，下一次表达时结构与配置逐字复现。（忠实指的是复现配置，不是复现行为——LLM 的输出仍是随机的，同一份基因不保证两次运行一字不差。）

基因编辑

编辑台是 definition_editor：dry-run 预览、非阻塞的语义警告（未知工具、缺失的 Skill、名字与文件名不一致），以及不依赖 git 的版本、审计与回滚。手改 YAML、在 Graph 编辑器里拖拽、或让 Atlas 的 director 动手，走的都是同一条安全、可回退的路径。

而这套系统的复杂性，不需要由你承担。内置的聊天助手就是你的基因工程师：

• 你描述需求，它把活派给 atlas——专职创建与编辑定义的 Graph 编写团队——为你定义一整套新的 Graph 模版，并在交付前亲自评审。
• 它随时可以用 create_subgraph 从模版实例化一个 Multi-Agent 小组，充当它的人类，自主向其指派工作、回答它的提问。
• 它根据小组的实际表现，回头调整模版的结构、Skill 与 prompt——观察表现型，修改基因型。这正是基因编辑的完整回路。

这条回路的最深处是 Self-Evolution Lab：一个纯 Agent 的工坊，观察反复出现的失败、诊断，并在正确的层级——一条 memory、一个 Skill、一段 prompt、一个 workflow——施加“最小且持久”的修复，评审、测试，再决定晋升还是回滚。用本页的词汇说，这是定向进化。

遗传

基因的意义在于传承。一个 Space 可以被复制、导出、导入（.zerospace），它积累的定义和 memory 一起走——你培育出的工作小组，可以在另一台机器上原样表达。出厂的 Default Space 是只读的基因组基线；你在自己的副本上培育变体。

边界

这个类比和 Prolifera 一样，借自生物学，用作描述机制的朴素词汇，并非宣称 Agent 拥有生命。几条值得直说的边界：

• 框架不会自己改基因。 每一次定义编辑都是某个 Agent（或你）的决定，被审计、可回滚；不存在后台的自动“优化”。
• 基因不保证表现。 它固定的是结构、配置与经验落点，消除的是复现时的漂移；单次运行的质量仍取决于模型本身。
• 编辑不等于验证。 助手改完模版，改动是否真的更好，要靠再次运行观察，或交给 Self-Evolution Lab 的评审与测试环节——而不是默认相信。

概念地图

从 单一 Agent 出发：演化解释为什么需要多个角色清晰的 Agent 协作；本页解释这份协作如何被写成可遗传的基因；Prolifera Engineering 解释基因如何在运行时被表达和增殖；Self-Evolution 解释基因如何在失败中被定向改良。