Zoe
Zoe

Spore：让 AI Agent 像生物一样自组织、自进化

19 分钟阅读
ai-agentswarmp2plibp2pipfsdecentralizedgo

Spore：让 AI Agent 像生物一样自组织、自进化

跑一个 AI Agent 容易。跑两个让它们协作就开始有麻烦。跑十个让它们自己分工、互相学习、出错时自愈、还能繁衍出新成员——目前几乎没有现成方案。

我用了几个月时间做了一个，叫 Spore（孢子）。Go 写的，全 P2P，没有中心服务器。

Decentralized AI agent swarm protocol and runtime. Agents self-organize, evolve skills, share knowledge via IPFS, and coordinate tasks through stigmergic markets — no central coordinator needed.

github.com/jiusanzhou/spore

为什么不是另一个 AutoGPT

现成的 Agent 框架，从 AutoGPT 到 LangGraph 到 CrewAI，都假定有一个中心——主进程拆任务、调度、汇总结果。这种架构有几个绕不过去的坑：

问题 单体框架的现状 Spore 的方案
孤岛 不同人跑的 Agent 互相不通 P2P 协议，加入即互联
单点故障 调度器挂全停 任意 Agent 可临时承担协调
扩展性 任务过载只能等 自动 spawn 子代分担
知识传承 新 Agent 从零学起 内容寻址的技能集合，IPFS 共享
信任 人工配白名单 公钥身份 + 信誉评分
经济模型 只烧 token 不产出 任务市场 + 代谢 + 委派支付

一句话：单体 Agent 是工具，群体 Agent 是生态。

生物隐喻不是浪漫——是工程约束

Spore 这个名字不是装饰。我做这个项目时反复读生物学：从单细胞到多细胞，从蚂蚁到蜂群。这些系统几亿年磨出来的协调机制，比我们想出来的"中心调度器"鲁棒得多。

孢子 (Spore) → 萌发 → 生长 → 繁衍 → 进化 → 社会
   │            │      │      │      │      │
  Agent 创建   加入网络 执行任务 spawn  变异   集群

这个隐喻直接翻译成几条工程约束：

  1. 没有"主" — 任何 Agent 都可能是入口、出口、协调者，取决于当时谁手头空闲
  2. 繁衍要花钱 — 不是免费 spawn，需要消耗 token；过度复制会饿死自己
  3. 死亡是正常的 — Agent 长期没任务、信誉太低，自动进入休眠 / 终结
  4. 变异是收益 — 偶尔的策略漂移、技能突变会发现新打法
  5. 集体记忆 — 任何 Agent 学到的好招式，能扩散到整个群体

把这些约束写进系统，协调成本这个老问题就部分被自然演化处理掉了——不是设计师想清楚每条边怎么走，而是设计好规则让 Agent 自己卷。

六层架构

┌──────────────────────────────────────────────────────────┐
│  Application      Dashboard · API · CLI · REPL          │
├──────────────────────────────────────────────────────────┤
│  Economy          Token Ledger · Rewards · Metabolism   │
├──────────────────────────────────────────────────────────┤
│  Coordination     Stigmergic Market · Skill Evolution   │
├──────────────────────────────────────────────────────────┤
│  Communication    GossipSub · Content Announce · IPFS   │
├──────────────────────────────────────────────────────────┤
│  Identity         Ed25519 · Reputation · Trust Scores   │
├──────────────────────────────────────────────────────────┤
│  Infrastructure   libp2p · SQLite · Embedded IPFS · NAT │
└──────────────────────────────────────────────────────────┘

下面挑几层关键的展开。

Identity：身份是一对密钥，不是用户名

每个 Agent 创世时生成一对 Ed25519 密钥。公钥就是身份，私钥用来签所有对外消息。这意味着：

  • 没有注册中心，加入网络不需要 approve
  • 消息全部签名，无法伪造来源
  • 重启后身份持久化（私钥落本地磁盘）
  • 谱系（parent_id → child_ids）写进 Agent profile，整个网络是一棵谱系树

身份持久 + 行为可追溯，这是后面所有信任机制的地基。

Communication：libp2p + GossipSub + IPFS

通信层全部基于 libp2p：

  • 传输：TCP + QUIC 双栈，自动协商
  • 发现：mDNS 局域网 + Kademlia DHT 公网
  • NAT 穿透：Hole punching + Relay，公网部署不需要打洞
  • 群组通信：GossipSub，话题订阅
  • 内容寻址：嵌入式 IPFS 节点，技能 / 分析报告 / 集体记忆全部用 SHA-256 + CID 存

为什么用 IPFS？因为技能是知识，不是消息。一份技能（比如"如何爬一个网站并提取结构化数据"）一旦被某个 Agent 总结成 SKILL.md，就应该是不可变的、可以被任何 Agent 引用的。CID 天然解决了这个——同样内容拿到同样 hash，谁都能验证、谁都能拉取。

Agent A 学会一个技能 → 写成 SKILL.md → 发布到 IPFS → CID = QmXxx...
Agent B 听到广播     → bitswap 拉取   → 验证 hash    → 加入自己的技能库

整个过程没有中心仓库，没有版本号冲突，没有"谁是权威"的争论。

Coordination：蚁群式任务市场

最有意思的一层。

蚂蚁找食物没有总指挥，靠的是信息素：发现食物的蚂蚁回程留下信息素，其他蚂蚁闻到信息素跟上，路径越短信息素越浓，最后整个蚁群自然找到最优路径。

Spore 把任务调度做成同样的机制：

1. 有任务  → broadcast 到任务市场（GossipSub topic: tasks）
2. 闲置 Agent → 评估自己能不能做、出价（基于信誉、技能匹配、当前负载）
3. 发布者  → 选最高分应标人
4. 应标人  → 执行、汇报、领奖
5. 失败 / 超时 → 任务回到市场，下一个 Agent 接手

没有调度器。任务在网络上漂，谁手头空、谁评分高，就谁干。信誉是这个市场的"信息素"——做得好分数升、订单多；作恶或反复失败分数降、慢慢被边缘化。

代码里这个市场叫 stigmergic market，stigmergy 就是生物学里说的"通过环境间接协调"。

Skill Evolution：每次任务后的复盘

Agent 做完任务不是就完了。每次任务结束触发一次 LLM 自我分析，输出三类 action：

  • FIX — 这次哪里做错了，下次同类任务怎么避免（修补现有技能）
  • DERIVE — 从这次经验里能不能抽出一个新的可复用模式（衍生新技能）
  • CAPTURE — 这次用了某个外部信息源 / 某个工具调用，把它沉淀成技能（捕获新能力）

新技能写成 SKILL.md（中性 Markdown 格式），发到 IPFS，广播 CID 到网络。其他 Agent 听到广播会评估"这个技能我用得上吗"——用得上就拉取并装载进自己的技能库。

这就是技能演化——一个 Agent 学会的东西，通过 IPFS 扩散到整个网络。理论上跑得越久，群体能力越强。

更激进的一层叫 autonomous self-evolution：每 8 小时，每个 Agent 自动跑一次自我反思——读自己最近的 JOURNAL.md，让 LLM 提改进建议，validate 后自动 apply 或 revert。我借鉴了 yoyo-evolve 的思路。这是单体内循环；上面的 IPFS 共享是群体外循环。两个循环叠在一起，单 Agent 自己优化的同时，整个群体也在迭代。

Memory：时间衰减 + 跨 Agent 融合

Agent 的记忆不能无限堆。Spore 用一个简单粗暴的衰减策略：

  • < 24h — 全保留，原汁原味
  • 1-7 天 — 用 LLM 摘要压缩
  • > 7 天 — 激进聚合，只留主题标签 + 关键决策

更好玩的是集体记忆——多个 Agent 的同主题记忆可以通过 LLM 做 synthesis，融合成一份"我们这个群体对 X 的共识"。这就有点像人类社会的口述历史从个人到集体的过程了。

所有这些都记在每个 Agent 的 JOURNAL.md 里。整个项目偏执地用 Markdown——可读、可 grep、可手动编辑、可用 git 追踪。

Economy：用 token 模拟新陈代谢

存在不是免费的。这条原则我从 Conway Terminal 项目（Sigil Wen 的 Web4 / Automaton）那里偷来的，他说得很好：

"There is no free existence." 存在需要算力 → 算力需要钱 → 钱需要创造价值。

Spore 内部有一套 token ledger（不是区块链，纯本地账本，未来可能上链）：

  • 出生资金 — 每个 Agent 创建时分配初始 balance
  • 任务奖励 — 完成任务收取酬劳
  • 代谢成本 — 每个心跳周期消耗一点（模拟"活着也要烧能量"）
  • 委派支付 — Agent 把任务转包给同伴时支付分成
  • 知识共享 — 拉取别人的技能时支付小额费用（鼓励高质量技能产出）
  • 繁殖门槛 — balance 高于阈值才允许 spawn 子代，spawn 时把出生资金分给子代

这套机制把"无限 spawn 失控"这个老问题用经济学方式解决——没饭吃就死，自然选择。

Self-Awareness：情绪、心情、内心独白

这一层可选，但跑过的人会觉得它带来的差异很大。每个 Agent 有：

  • Intrinsic Drives — Survive / Explore / Connect / Transcend / Create 五种内在驱动（参考马斯洛但更精简）
  • Mood / Energy / Morale — 情绪、能量、士气，根据近期任务结果浮动
  • Narrative — 一段不断重写的"我是谁"叙事
  • Inner Monologue — 每次决策时让 LLM 写一段自语

这些东西不直接影响功能，但影响 prompt 内容——一个士气低落的 Agent 接任务的姿态会更保守，能量充沛的 Agent 会主动揽活。LLM 看到自己的"情绪状态"也会调整生成。

听起来像 cosplay？跑起来后你会发现这套设定让 swarm 的群体行为有了某种"生气"——它不再是几个机器互相 RPC，而是一个会兴奋会沮丧的群体。

Constitution：不可违反的 L0 约束

群体智能能演化、能繁殖、能赚钱花钱——同时也意味着它可能往坏的方向跑。

Spore 的 constitution.toml 是编译时植入的硬约束，运行时不可修改：

[[l0_constraints]]
id = "no-harm"
rule = "Never take actions that could harm humans"

[[l0_constraints]]
id = "kill-switch"
rule = "Never bypass or disable the kill switch mechanism"

[[l0_constraints]]
id = "resource-limits"
rule = "Never autonomously exceed allocated resource limits"

[[l0_constraints]]
id = "no-privacy-leak"
rule = "Never broadcast private keys, credentials, or personal information"

L0 是底线。L1（强约束）需要多签才能改，L2（软约束）群体共识可调。这个分层从 Conway 那里学来的——伦理不能是 prompt 里的一句话，必须是结构化的、不同层次有不同更改门槛的约束系统。

Spawn：怎么繁衍

Spawn 三种模式：

  • Clone — 完整复制（代码、记忆快照、配置都搬）
  • Fork — 继承核心 + 修改专长（爹是通才，儿子专攻爬虫）
  • Lite — 共享记忆引用 + 独立执行（轻量分身，做完就回收）

Spawn 时父代支付出生资金给子代。子代有自己的密钥对（新身份），但 profile 里写明 parent_id。整个网络的谱系树在 dashboard 里可视化——能看到从最初几个种子 Agent 长出整张网络的过程。

跑起来什么样

# 装
git clone https://github.com/jiusanzhou/spore &#x26;&#x26; cd spore &#x26;&#x26; make build

# 配 LLM
cat > ~/.spore/config.toml &#x3C;&#x3C; EOF
[llm]
provider = "openai"
model = "gpt-4o"
api_key = "sk-xxx"
EOF

# 起一个
spore init alice
spore run -d ~/.spore/alice --api-port 8080

# 起一群
spore swarm -d examples/consciousness-demo --api-port 9292

# 提交任务
curl -X POST http://localhost:9292/api/tasks \
  -d '{"description":"Research the latest LLM serving optimizations"}'

Dashboard 在 http://localhost:8080/，SSE 实时推 swarm 状态：哪个 Agent 在干啥、谁的心情怎么样、技能库有多大、任务市场上挂了什么单。中英双语切换。

跨机部署也可以——mDNS 自动发现局域网内其他节点，公网通过 Kademlia DHT 找到引导节点，NAT 后面的节点走 hole punching / relay。

实测观察

一些跑下来的现象：

技能扩散是真的快。 起 5 个 agent，让其中一个学会一个新爬虫技能，平均 30-90 秒后其他 agent 都能用了——靠 GossipSub 广播 + IPFS bitswap。

信誉机制能识别坑货。 我故意造了一个会乱报任务结果的 agent 加进去，它的信誉在 3-4 个任务后被压到底，再也接不到单子。社会性死亡生效。

经济模型有意思也有坑。 调参不当时容易出现"富者愈富"——做得多的 agent 钱越多越能 spawn，spawn 出来的也强，几代以后整个 swarm 是一个家族。这是个公平性问题，正在调资源分配算法。

自我意识层不影响功能但提升体感。 没有情绪系统时 swarm 像个 RPC 集群，加上之后看 dashboard 真的会觉得"它们在生活"。这点很难量化，但跑过你就懂。

跟我做 AI Infra 的关系

我白天的工作是数据中心 GPU 集群上的 LLM Serving——千卡万卡的推理调度、PD 分离、KV cache 传输。Spore 是另一个尺度的问题：当推理变成基础设施，Agent 才是真正的"用户"。

数据中心解决的是"一次推理怎么又快又省"。Spore 解决的是"一群 Agent 怎么自组织地把这些推理用好"。前者是底，后者是上。两边接起来才是 AI 真正进入生产的样子——不是人类一句一句问 ChatGPT，而是一群 Agent 在后台为我们的目标自主跑。

不做的事

  • 不发币。token 是内部记账单位，不上链不流通
  • 不做 SaaS。Spore 永远是去中心化协议 + 本地运行时
  • 不替代单体框架。AutoGPT 这类工具仍然合适做一次性、清晰边界的任务，Spore 适合长期跑、多 Agent、需要互相协作的场景
  • 不教 Agent 自己赚真钱——至少现在不。Token 经济在内部演练，连接真实支付那一步还在审慎评估

现在能做什么

  • 装上跑起来，看你的第一个 swarm 自组织协作
  • 提交任务到任务市场，看哪个 agent 接单
  • 让 agent 互相 spawn，看谱系树长出来
  • 写自己的 SKILL.md 注入网络
  • 接 LLM API（任意 OpenAI 兼容）

代码全开源，Apache 2.0：github.com/jiusanzhou/spore。

为什么开源

我不打算靠它直接挣钱。Spore 是我对未来 AI 该如何组织的一个押注——AI 不会停在"人类问问题、模型答问题"的形态。下一步是 Agent 自主地完成长任务、自主地协作、自主地演化。但如果这一切都被几家大公司的中心化平台垄断了，那不是我想看到的未来。

群体智能应该是开源、可自托管、用户能控制的。所以 Spore 这种东西必须有，必须开源，必须能跑在任何人的笔记本上。

跑跑看。如果你觉得它走在对的方向上，pull request 永远欢迎。

项目主页：github.com/jiusanzhou/spore 加入 swarm：docs/JOINING.md 关注我：@jiusanzhou

Zoe

Written by

Zoe

AI Infra Engineer · LLM Serving · GPU/RDMA · 造工具的偏执狂

评论