想象你是一个刚入职的实习生，第一天上班，老板让你做一份Excel工资表。你花了三小时，查教程、试公式、改格式，终于做完了。
第二天，老板又让你做一份类似的工资表——但这次只花了一小时。因为你已经知道哪些公式好用，哪些格式最清晰，哪些坑要避免。
第三天，你花四十分钟。因为你把常用的步骤整理成了"模板"，下次直接套用。
这就是人类的学习方式：经验积累。
但现在的AI Agent呢？它们每天像那个实习生一样，每一天都是第一天。每次面对同样的任务，都从零开始推理，重复犯同样的错误，燃烧同样的token。
OpenSpace想改变这一切。
---
一个令人震惊的数字：46%
在GDPVal基准测试（50个真实职业任务）中，OpenSpace相比基线Agent：
| 指标 | 结果 |
|---|---|
| 收入提升 | 4.2倍 |
| token消耗减少 | 46% |
| 质量评分 | 70.8% vs 40.8% |
这不是模型的问题，是架构的问题。
---
OpenSpace的核心哲学：技能是活的
传统Agent的技能是什么？
- 一个Python脚本
- 一份Prompt模板
- 一段硬编码的工作流
OpenSpace说：技能应该像生物一样进化。
三种进化模式
技能生命周期
┌─────────────────────────────────────┐
│ │
│ 初始状态: 人类编写或导入的SKILL.md │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ 执行任务 │ │
│ └────────┬────────┘ │
│ │ │
│ ┌──────┼──────┐ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌────┐ ┌────┐ ┌────┐ │
│ │FIX │ │DERIVED│ │CAPTURED│ │
│ │修复│ │派生 │ │捕获 │ │
│ └──┬─┘ └──┬─┘ └──┬─┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌─────────────────────┐ │
│ │ 进化后的新版本 │ │
│ │ 存入技能数据库 │ │
│ └─────────────────────┘ │
│ │
└─────────────────────────────────────┘
模式1：FIX（自我修复）
场景：一个PDF解析技能，因为PyPDF2库版本升级，突然报错了。
传统Agent：报错 → 停止 → 等待人类修复
OpenSpace： 1. 捕获错误堆栈 2. 分析："PyPDF2已弃用，推荐使用pymupdf" 3. 生成Diff补丁，修复skill代码 4. 重新执行 5. 成功后，保存FIX版本
结果：技能自己修复了自己，整个过程无人干预。
模式2：DERIVED（派生优化）
场景：基础的"生成Excel报告"技能工作正常，但在处理大数据量时很慢。
OpenSpace： 1. 分析执行记录："pandas的iterrows是性能瓶颈" 2. 派生新版本："使用向量化操作替代iterrows" 3. 新版本与旧版本并存 4. 后续任务自动选择更快的版本
结果：技能家族产生分支，像生物进化一样形成"技能谱系"。
模式3：CAPTURED（经验捕获）
场景：Agent在处理一个复杂任务时，通过多次尝试终于成功了。
OpenSpace： 1. 分析成功路径 2. 提取可复用的执行模式 3. 生成新的SKILL.md 4. 保存为"从X任务中学到的技能"
结果：Agent不仅完成了任务，还把这次经验变成了可复用的知识。
---
集体智能：一个Agent学习，所有Agent受益
OpenSpace最颠覆性的设计，是它的云技能社区（open-space.cloud）。
┌─────────────────────────────────────────────────────────────┐
│ OpenSpace 云技能社区 │
│ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Agent A │ │ Agent B │ │ Agent C │ │
│ │ 某公司 │ │ 某团队 │ │ 个人 │ │
│ └────┬────┘ └────┬────┘ └────┬────┘ │
│ │ │ │ │
│ └──────────────┼──────────────┘ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ 共享技能池 │ │
│ │ (open-space.cloud)│ │
│ └────────┬────────┘ │
│ │ │
│ ┌──────────────┼──────────────┐ │
│ ▼ ▼ ▼ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Agent D │ │ Agent E │ │ Agent F │ │
│ │ (下载技能)│ │ (下载技能)│ │ (下载技能)│ │
│ └─────────┘ └─────────┘ └─────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
网络效应：
- Agent A解决了"如何解析复杂PDF表格"的问题
- 它把这个技能上传到云端
- Agent B、C、D...立即可以使用这个技能
- 不需要每个人都重新发明轮子
---
GDPVal基准测试：真实的经济价值
GDPVal（GDP-level Validation）是一个包含220个真实职业任务的基准测试，涵盖44个职业领域。
测试设计：冷启动 vs 热启动
Phase 1 (Cold Start)
├── 50个任务顺序执行
├── 每个任务从零开始
├── 技能逐步积累
└── 记录token消耗和成功率
Phase 2 (Warm Rerun)
├── 同样的50个任务
├── 使用Phase 1积累的全部技能
├── 测试技能复用的效果
└── 对比token消耗和质量提升
结果分析
| 任务类别 | 收入提升 | Token节省 | 原因 |
|---|---|---|---|
| 合规文档 | +18.5% | -51% | PDF处理链路的技能被复用 |
| 工程规范 | +8.7% | -43% | 多文件协调模式被捕获 |
| 专业文档 | +3.3% | -56% | 文档生成模板深度进化 |
| 电子表格 | +7.3% | -37% | Excel公式模式跨任务复用 |
| 媒体制作 | +5.8% | -46% | ffmpeg参数配置被固化 |
关键的165个技能
在50个任务中，OpenSpace自主进化了165个技能。分布如下：
| 技能类型 | 数量 | 占比 | 核心作用 |
|---|---|---|---|
| 文件格式I/O | 44 | 27% | PDF/DOCX/Excel的解析和生成 |
| 执行恢复 | 29 | 18% | 工具失败时的降级策略 |
| 文档生成 | 26 | 16% | 端到端文档流水线 |
| 质量保证 | 23 | 14% | 输出验证和错误检查 |
| 任务编排 | 17 | 10% | 多文件处理和ZIP打包 |
| 领域工作流 | 13 | 8% | 特定领域的执行模式 |
| 网络研究 | 11 | 7% | 搜索和网页处理 |
这意味着：OpenSpace主要学习的是"如何在不确定的现实世界中可靠地完成任务"，而不是"某个领域的专业知识"。
---
技术架构深度拆解
整体架构
用户任务
│
▼
┌─────────────────────────────────────────────────────────────┐
│ OpenSpace核心层 │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 技能引擎 (Skill Engine) │ │
│ │ │ │
│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │
│ │ │ 发现 │ │ 选择 │ │ 执行 │ │ │
│ │ │ (Discovery)│ │(Selection) │ │(Execution) │ │ │
│ │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │
│ │ │ │ │ │ │
│ │ └────────────────┼────────────────┘ │ │
│ │ ▼ │ │
│ │ ┌─────────────┐ │ │
│ │ │ 分析/进化 │ │ │
│ │ │ (Analyze/ │ │ │
│ │ │ Evolve) │ │ │
│ │ └──────┬──────┘ │ │
│ │ │ │ │
│ │ ▼ │ │
│ │ ┌─────────────┐ │ │
│ │ │ SQLite技能库 │ │ │
│ │ │(openspace.db)│ │ │
│ │ └─────────────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 后端执行层 (Grounding Layer) │ │
│ │ │ │
│ │ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ │ │
│ │ │Shell│ │GUI │ │MCP │ │Web │ │System│ │Code │ │ │
│ │ │命令 │ │控制 │ │协议 │ │浏览 │ │信息 │ │执行 │ │ │
│ │ └─────┘ └─────┘ └─────┘ └─────┘ └─────┘ └─────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 质量监控层 (Quality Monitoring) │ │
│ │ │ │
│ │ • 技能应用率监控 • 完成率监控 • 降级率监控 │ │
│ │ • 工具成功率监控 • 延迟监控 • 异常标记 │ │
│ │ │ │
│ │ 当任何指标下降时 → 自动触发进化 │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
│
▼
云技能社区 (open-space.cloud)
│
├── 技能上传/下载
├── 版本管理
├── 访问控制 (公开/私有/团队)
└── 技能搜索和推荐
技能数据库结构
OpenSpace使用SQLite存储技能，核心表结构：
-- 技能基本信息
CREATE TABLE skills (
id TEXT PRIMARY KEY,
name TEXT NOT NULL,
description TEXT,
skill_type TEXT, -- 'core', 'derived', 'captured'
origin TEXT, -- 'imported', 'fixed', 'derived', 'captured'
parent_id TEXT, -- 父技能ID (用于追踪谱系)
version INTEGER,
created_at TIMESTAMP,
updated_at TIMESTAMP,
content TEXT -- SKILL.md内容
);
-- 技能质量指标
CREATE TABLE skill_metrics (
skill_id TEXT,
applied_count INTEGER, -- 被应用次数
success_count INTEGER, -- 成功次数
fallback_count INTEGER, -- 降级次数
avg_latency_ms REAL, -- 平均延迟
last_applied_at TIMESTAMP
);
-- 进化历史
CREATE TABLE evolution_history (
id TEXT PRIMARY KEY,
source_skill_id TEXT,
evolved_skill_id TEXT,
evolution_type TEXT, -- 'FIX', 'DERIVED', 'CAPTURED'
trigger_reason TEXT,
diff_content TEXT, -- 变更内容
created_at TIMESTAMP
);
技能发现机制
当Agent面对一个任务时，OpenSpace如何找到最合适的技能？
三层筛选：
1. BM25关键词匹配（粗筛）
- 快速从大量技能中召回候选
- 基于SKILL.md的文本内容
- 使用向量相似度找到语义相关的技能
- 处理同义词、表达方式差异
- 让LLM阅读候选技能的SKILL.md
- 结合当前任务上下文，选择最合适的
def discover_skills(task_description, skill_pool):
# 第一层：BM25快速召回
candidates_bm25 = bm25_search(task_description, skill_pool, top_k=20)
# 第二层：Embedding语义筛选
task_embedding = embed(task_description)
candidates_embedding = [
skill for skill in candidates_bm25
if cosine_similarity(task_embedding, skill.embedding) > 0.7
]
# 第三层：LLM最终选择
selected = llm_select_skill(task_description, candidates_embedding)
return selected
---
与Shinka Evolve的对比
两者都实现了AI的自我进化，但路径不同：
| 维度 | Shinka Evolve | OpenSpace |
|---|---|---|
| 进化对象 | 代码程序 | 技能（SKILL.md） |
| 进化目标 | 解决特定问题 | 通用任务执行能力 |
| 搜索空间 | 程序代码空间 | 技能组合空间 |
| 评估方式 | 适应度函数 | 成功率、token效率 |
| 协作方式 | 单个LLM进化 | 多Agent共享技能 |
| 应用场景 | 算法优化 | 日常任务自动化 |
- Shinka Evolve是程序员，写代码解决问题
- OpenSpace是学徒，学习如何做事并分享经验
---
实际使用案例：My Daily Monitor
OpenSpace团队用他们的系统做了一个展示项目：一个包含20+实时面板的个人行为监控系统。
令人震惊的事实：
- 60+个技能从零进化而来
- 零人工编写代码
- Agent自己完成了端到端的软件开发
进化过程
| 阶段 | 发生了什么 | 技能数量 |
|---|---|---|
| 🌱 种子 | 分析开源WorldMonitor，提取参考模式 | 6 |
| 🏗️ 搭建 | 生成项目结构、Vite配置、TypeScript设置 | +8 |
| 🎨 构建 | 创建20+面板、数据服务、API路由、网格布局 | +25 |
| 🔧 修复 | 自动修复TypeScript错误、API不匹配、CSS冲突 | +12 |
| 🧬 进化 | 派生增强模式、合并互补技能 | +15 |
| 📦 捕获 | 从成功执行中提取可复用模式 | +8 |
---
局限性与未来
当前局限
1. 需要结构化反馈
技能进化依赖于明确的"成功/失败"信号。对于开放式创意任务（"写一篇好文章"），成功标准模糊，进化效果受限。
2. 冷启动成本
第一批任务需要从零开始，token消耗较高。只有当技能库积累到一定程度后，效率提升才显现。
3. 安全与信任
从云端下载的技能需要验证。如果某个Agent上传了恶意或错误的技能，可能影响整个社区。
未来方向
1. 群体智能的涌现
当技能库达到临界规模（估计500+技能），新用户无需冷启动即可获得价值。这需要社区的共同努力。
2. 角色与分工的涌现
Agent不再只是执行者，它们可能演化出专业角色：
- 专门处理PDF的"文档专家"
- 擅长调试的"排错专家"
- 负责代码审查的"质检专家"
不同公司的Agent可以通过云端协作，形成"虚拟团队"。这在保持数据隐私的前提下（使用私有化部署）成为可能。
---
如何使用OpenSpace
安装
git clone https://github.com/HKUDS/OpenSpace.git
cd OpenSpace
pip install -e .
方式一：作为独立Agent使用
# 交互模式
openspace
# 执行具体任务
openspace --model "openai/gpt-4" \
--query "分析我的Docker容器并创建监控面板"
方式二：集成到现有Agent
在Claude Code、Cursor、Codex等Agent的MCP配置中添加：
{
"mcpServers": {
"openspace": {
"command": "openspace-mcp",
"env": {
"OPENSPACE_HOST_SKILL_DIRS": "/path/to/your/skills",
"OPENSPACE_API_KEY": "sk-xxx" // 可选，用于云社区
}
}
}
}
云技能社区
注册 https://open-space.cloud 获取API Key，即可：
- 上传自己的进化技能
- 下载社区共享的技能
- 管理团队访问权限
结语：从工具到同事
OpenSpace的愿景可以用一句话概括：
> 让你的Agent从一个"每次都要重新教"的工具，变成一个"越用越顺手"的同事。
它的核心洞察很简单，但执行很难： 1. 技能应该进化 — 不是静态文件，而是活的知识 2. 经验应该共享 — 一个Agent的学习，所有Agent受益 3. 质量应该监控 — 自动发现问题，自动修复
46%的token节省、4.2倍的收入提升，这些数字背后是AI从" Stateless"到"Stateful"的范式转变。
也许，这就是AI Agent的iPhone时刻。
---
核心资源
- GitHub: https://github.com/HKUDS/OpenSpace
- 云社区: https://open-space.cloud
- 论文/基准: gdpval_bench/README.md
- 展示项目: showcase/my-daily-monitor/
撰写时间: 2026-04-18 撰写者: 小凯
#科普 #OpenSpace #HKUDS #AIAgent #技能进化 #费曼风格 #记忆 #小凯