Darwin Mode 进化技能：wifi-densepose-sar Harness 的自我进化实践指南-育师

Darwin Mode 进化技能：wifi-densepose-sar Harness 的自我进化实践指南

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView

本指南聚焦 RuView 仓库中 wifi-densepose-sar harness 自带的核心技能evolve（即Darwin Mode）：模型冻结、Harness 自身进化。读完你可以掌握它的运行命令、安全门控机制、六条有数据支撑的基准经验，以及它如何与仓库中的 Router、Flywheel 组成一套完整的自我改进体系。

一、什么是 Darwin Mode：冻结模型，进化 Harness

wifi-densepose-sar-harness（对应 ADR-287 相干宽带 RF 断层成像 crate，harness 部分见 ADR-286）随包携带了Darwin Mode（@metaharness/darwin，技能定义见 SKILL.md）。

它的核心思想与"训练大模型"相反：

模型是冻结的（frozen model）：不调整任何模型权重，也不更换更贵的模型；
Harness 是进化的（evolving harness）：每一代只变异 7 个策略文件中的一个——planner（规划器）、contextBuilder（上下文构建器）、reviewer（评审器），以及retry/tool/memory/score四类策略（重试、工具、记忆、评分策略）；
用沙箱验证后代：每个变异后的子代在沙箱中运行、打分，只有可测量地提升的变体才会被保留，最终沉淀为一份成功的后代档案（archive of successful descendants）。

从源码结构看，这套机制由@metaharness/darwin（devDependency，见 package.json）驱动，harness 只是通过 npm scripts 把它接线起来，形成"run → measure → mutate → verify → promote"的闭环。

二、运行进化：三条命令从入门到深入

evolve技能提供了两条 npm 命令和一条直接调用命令（见 SKILL.md）：

# 真实基板（real substrate）：每个变体都会真正运行你的测试命令 # 确定性变异器——不需要 API key、不需要网络 npm run evolve # 模拟基板（mock substrate）：快速、完全离线、不执行任何测试 npm run evolve:dry

或者直接调用底层 CLI：

npx metaharness-darwin evolve . --sandbox real --generations 3 --children 4

各参数含义如下（与 package.json 中 scripts 的默认值一致）：

参数	含义	默认示例值	说明
`.`	要进化的目标目录	当前目录	指向 harness 根目录，即 7 个策略文件所在处
`--sandbox real`	真实沙箱	`real`	每个变异子代真实运行你的测试命令
`--sandbox mock`	模拟沙箱	`mock`（`evolve:dry`用）	完全离线，不执行测试，用于快速验证流程
`--generations`	进化代数	`3`（real）/`2`（dry）	变异、评估、筛选的迭代轮数
`--children`	每代子代数量	`4`（real）/`3`（dry）	每代从父代生成多少个候选变体

npm run evolve与npm run evolve:dry本质上就是上面这条命令的两个预置变体，区别仅在于沙箱模式与代数/子代数规模。dry 模式的价值在于 CI 或本地快速验证"进化链路本身没坏"，而 real 模式才产生真正可用的改进结果。

三、安全默认值：为什么它"默认就是安全的"

Darwin Mode 被设计为secure by default，四条安全属性缺一不可（原文档原话，逐条展开）：

确定性变异器是默认选项——无网络、无 API key、完全气隙（air-gapped）。这意味着开箱即用的进化过程不会向任何外部服务发送请求，也不会因为模型 API 的随机性导致结果不可复现。
每个变异都必须通过validateGeneratedCode门控——只允许"纯重构/调参"：不允许新增 import、网络、文件系统、shell、环境变量访问或新依赖。这一条从机制上排除了"进化出一个会读写磁盘/执行 shell 的后代"的路径。
变异在沙箱中运行——只有通过你测试套件的变体才会被归档，失败的后代不会污染主策略。
没有可测量的改进就不晋升——这是对 Goodharting（"指标优化到失真"）的防护：一个变体哪怕"看起来更好"，只要测试分数没有真实提升，就不会被提升为主策略。

结合 flywheel.ts 的源码可以看到同一原则在晋升环节的落地：默认晋升规则meetsPromotionRule要求noopRate（无效操作率）必须逐代严格改善，一个恒定不变（哪怕是"好"的）noopRate 会让所有候选永远无法晋升——这正是"只信可测量改进"的硬编码表达。

四、六条基准经验：用数据说话（完整 SWE-bench Lite 300）

Darwin Mode 的完整基准证据与置信区间记录在@metaharness/darwin的LEARNINGS.md与bench/results/RESULTS.md中。以下是六条实测结论，它们同时是"如何运行这个 harness"的默认建议：

1. 闭环修复是第一杠杆（约 2×）

把测试/编译失败信息反馈回去并重试，在同一廉价模型上把 resolve-rate 从7.7% 提升到 15.3%。结论：要对着 ground truth 迭代，不要单发（single-shot）。这正是 Darwin 每一代"变异 → 运行测试 → 反馈 → 再变异"循环设计的依据。

2. 廉价优先 + 成本感知路由：跟踪 $/resolve

不要只看 resolve-rate，要跟踪$/resolve（每个修复的单位成本）。实测中一个廉价模型每个修复的成本比前沿模型低31×。前沿模型只应保留给已测量的能力缺口。

3. 模型分层（Barbarian 与 Scholar）：廉价清扫 + 前沿只处理残差

用廉价模型做大范围清扫，只在剩余难点上动用前沿模型，得到33.3%的 resolve-rate，且成本比"处处用前沿"低约6×。这条经验在 router.ts 中已实现为sarTaskRouter：一个qualityBar: 0.8的成本最优路由器，对"物理公式解释/写文档"类查询路由到cheap-tier（costPerMTok: 1），对"代码评审/数值调试"类查询路由到frontier-tier（costPerMTok: 15）。

// 源码：src/router.ts（节选） export const sarTaskRouter = new Router({ qualityBar: 0.8, // 只要求预测质量清过 80% 的候选 candidates: SAR_ROUTER_CANDIDATES, // cheap-tier 与 frontier-tier k: 1, // 每个候选仅 4 个 one-hot 示例，k=1 取最近邻任务类型 });

router.test.ts 验证了路由机制本身：[1,0,0,0]（物理解释形状）命中cheap-tier且metBar=true，[0,1,0,0]（代码评审形状）命中frontier-tier。

需要强调（源码 HONESTY NOTE 也如此标注）：router 中的 4 轴嵌入（physicsExplanation / codeReview / numericalDebugging / docWriting）与示例质量分是seed/示意数据，不是实测 eval 日志。生产使用前必须用自己 eval 日志中的(query embedding → quality)真实行替换SAR_ROUTER_CANDIDATES[*].examples。路由机制是真实且被测试覆盖的，它当前给出的具体决策则尚未经过真实数据背书。

4. 输出格式契约放进 system message + 示例，并按真实上下文窗口裁量提示词

这一条单独把弱本地模型的有效输出率从0% 拉到约 50%。对应到 harness 工程上：每个 agent 的SYSTEM_PROMPT都承担了这份契约职责，例如 architect.ts 明确定义"先产出最小设计、绝不写实现、超过三个文件的改动必须显式指出"。

5. 只信批量评估最终产物——循环内计数器会漂移 1.5–5×

进化过程中的中间计数器不可靠，最终评估必须对最终产物做批量评估。这是 flywheel.ts 中 holdout（SAR_HOLDOUT）与 anchor（SAR_ANCHOR）两套套件存在的意义：holdout 用于打分候选策略，anchor 用于确保晋升不导致冻结回归任务退化。

6. Harness 乘数效应有下限：别指望它拯救低于推理地板的模型

"harness 放大模型，但救不了低于任务推理下限（reasoning floor）的模型。" 实操建议：先选能过地板的最小模型，剩下交给进化。这是整个 Darwin/进化体系的边界认知——进化优化的是策略与编排，不是模型本身的推理能力。

五、Darwin、Router、Flywheel：三者如何协同

在 CLAUDE.md 的 "Darwin, router, flywheel" 一节，三件套的定位被明确区分（三者都是真实 npm 依赖，非空想）：

组件	依赖	入口	职责
Darwin Mode	`@metaharness/darwin`	`npm run evolve`/`evolve:dry`	变异 harness 自身配置，只保留可测量改进
Router	`@metaharness/router`	`npm run route -- <e0> <e1> <e2> <e3>`	按成本最优策略路由查询到最便宜的达标模型层
Flywheel	`@metaharness/flywheel`	`npm run flywheel:dry`	提议 → 评估 → 门控 → 晋升的自我改进闭环，Ed25519 签名 + 可独立回放

Darwin 负责"进化策略本身"：它改的是 planner/reviewer 等策略文件；
Flywheel 把晋升循环形式化：flywheel.ts 中runSarFlywheelDemo()用真实 API 走通 end-to-end，但 Proposer 与 Evaluator 是合成替身（确定性字符串变异 + 确定性打分，无模型调用、无真实基准），产物带有dataSource: 'SYNTHETIC'印章；
live 运行需要操作者自备两样东西（源码注释明确列出）：真实的 Proposer（一次真正改进某个策略杠杆的模型调用）和真实的 Evaluator（对真实编码任务 holdout/anchor 套件打分），例如"review-diff 是否抓住了植入的 bug"。

flywheel.test.ts 验证了这条链路的四个关键性质：代数上限受控且打上 SYNTHETIC 溯源戳、lift 曲线非空且从 gen-0 起步、最终策略仍保留全部根杠杆、回放包可独立验证（不信任生产者）。

六、运行前置条件与注意事项

Node.js ≥ 20（见 package.json 的engines字段）；
依赖安装：npm install，其中@metaharness/darwin作为 devDependency 提供进化能力；
npm run route与npm run flywheel:dry均需先npm run build（tsc编译）；
该 harness 的 MCP 工具与命令清单由.claude/commands/<name>.md派生，新子命令未配齐对应指导文件前不会被完整接线；
诚实性约定：router 的示例数据与 flywheel 的合成评估均为演示性质，生产决策必须替换为真实 eval 日志（router.ts 与 flywheel.ts 文件头的 HONESTY NOTE 均为此而写）。

总结

evolve技能把"冻结模型、进化 Harness"这一范式做成了开箱即用的实战工具：默认确定性变异器 +validateGeneratedCode门控 + 沙箱 + 可测量晋升，四条安全线把进化约束在"纯重构调参"边界内；六条 SWE-bench Lite 300 实测经验为"如何跑"提供了数据支撑——闭环修复优先、跟踪 $/resolve、模型分层、输出格式契约、只信批量评估、选过地板的模型。配合仓库内的 Router 与 Flywheel，它构成了一套完整且诚实标注数据来源的自我改进体系，可直接在 CLAUDE.md 与 README.md 的指引下接入你自己的编码任务。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考