Evotown——开启本地化、可验证的AI智能体进化新时代

在2026年的今天，AI智能体（Agent）的"自我进化"已经不再是科幻概念。然而，现有的许多进化框架往往面临两个痛点：一是依赖不稳定的云端虚拟货币经济模型，导致实验结果受外部市场波动影响；二是缺乏一个完全受控、可复现的验证环境，让"进化效果"变成了难以量化的"玄学"。

今天，我要向大家推荐一个由 EXboys 团队开源的项目------Evotown。这是一个专为验证智能体进化效果而生的本地化、可配置、不依赖虚拟货币的测试平台。

一、什么是 Evotown？

简单来说，Evotown 是一个"进化引擎的验证沙盒"。

它将进化引擎（如 SkillLite）置于一个完全受控的环境中，旨在解决"我的智能体到底变强了吗？"这一核心问题。

核心定位：进化效果验证平台（Evolution Testing Platform）。

支持引擎：目前主要支持 SkillLite（通过 skilllite evolution run 等命令接入）。

关键特性：

完全本地化：所有数据、运行环境均在本地，不依赖任何虚拟货币或外部区块链。

可复现性：经济规则和环境变量可配置，确保每一次实验都是公平且可复现的。

经济可控：内置"丛林法则"经济系统，通过奖励与惩罚机制模拟生存竞争。

二、核心架构与技术栈

Evotown 采用了经典的前后端分离架构，技术栈非常现代化，适合开发者二次开发：

模块技术栈说明

后端 (Backend) Python 3.10+, FastAPI 负责核心逻辑、经济规则计算及与 SkillLite 引擎的交互。

前端 (Frontend) TypeScript, React, Phaser 3 提供可视化界面，Phaser 3 的引入意味着它拥有游戏级的渲染能力。

部署 Docker, Node.js 18+ 支持容器化部署，环境隔离性好。

三、核心功能：丛林法则（Jungle Law）经济系统

Evotown 最具特色的是其可配置的经济规则。它通过模拟资源竞争来驱动智能体的进化。你可以在 evotown_config.json 或环境变量中调整以下参数：

初始资金：initial_balance (默认 100)

接受任务成本：cost_accept (默认 -5，模拟"决策消耗")

完成奖励：reward_complete (默认 +10)

失败惩罚：penalty_fail (默认 -5)

零资产淘汰：eliminate_on_zero (默认 true)

这种设计让智能体必须在"生存"与"进化"之间寻找平衡，从而筛选出真正适应环境的强者。

四、快速上手指南（Docker版）

对于大多数开发者来说，使用 Docker 是最推荐的方式。请确保你的开发环境已安装 Docker Desktop。

后续启动

docker compose up -d

注意：本地运行与 Docker 共用 evotown/data/ 目录，所有任务历史和状态都会持久化保存在这里。如果需要指定其他目录，可以设置 EVOTOWN_DATA_DIR 环境变量。

五、为什么选择 Evotown？（优势分析）

脱离"空气币"陷阱：很多同类项目试图用虚拟积分甚至代币来激励智能体，但这往往导致智能体学会"刷分"而不是"变强"。Evotown 的本地化设计让研究者能专注于算法本身的优化。

高度可复现：在科研和工程中，"可复现"是金标准。Evotown 的配置化规则让团队协作和论文复现变得极其简单。

可视化强：基于 Phaser 3 的前端让枯燥的日志变成了可视化的"小镇"，你可以直观地看到智能体的交互和状态变化。

六、结语与展望

Evotown 目前虽然 Star 数不多（仅 2 Stars），但它作为一个纯粹的技术验证工具，其设计理念非常超前。它剥离了所有不必要的炒作概念，回归到 AI 进化的本质------在规则中竞争，在竞争中优化。

如果你正在寻找一个稳定、可控的环境来测试你的 SkillLite 或其他进化引擎，或者你对 AI 智能体的群体行为感兴趣，Evotown 绝对值得一试。

项目地址： evotown