EvoX Genesis（天演·啟元）：從零打造 25 萬行 C 編譯器的遞迴演化式 AI 系統
香港理工大學數據科學及人工智能學系的 EvoX 團隊，發表了EvoX Genesis（天演·啟元）——一套遞迴演化式 AI 系統。
EvoX Genesis 不再依賴持續存在的 Agent 來維持長程開發，而是讓軟體世界本身持續演化。
從空白儲存庫出發，系統在 123.4 小時內建構出248,989 行的 C 編譯器，歷經 1,019 個 Agent episode，模型 token 成本僅為44.38 美元。
長程 Coding：邊界不斷推進
Coding Agent 的工作時間，已經從單次的短任務，延長到數十小時。
OpenAI 曾讓 Codex 從空白儲存庫連續執行約 25 小時，產出約 3 萬行程式碼；
Anthropic 則動用 16 個 Claude Agent，歷經近 2,000 個 session、約兩週時間與近 2 萬美元的 API 成本，從零打造出一個約 10 萬行的 C 編譯器。
時間越來越長，Agent 越來越多，軟體越來越複雜。
但研究的中心，仍然是 Agent：
更強的模型、更長的上下文、更持久的記憶、更多的 Agent。
EvoX 團隊把問題轉向了另一個方向：
為什麼一定要讓 Agent 持續存在？
如果真正需要持續存在的，是它所身處的軟體世界呢？
123.4 小時，25 萬行
我們讓 EvoX Genesis 從一個實作為空的儲存庫開始。
目標只有一個：打造一個 C 編譯器。
123.4 小時、1,019 個 Agent episode、248,989 行程式碼，模型 token 成本僅為44.38 美元。
最終的編譯器通過了 220/220 c-testsuite 測試、32/36 LLVM 測試案例，以及 93/93 Csmith 隨機程式測試。
那裡沒有一個現成的編譯器等待補全——它是從零開始的。
圖1：C 編譯器實驗結果 / 程式碼規模、執行時間、Agent episodes、成本與測試結果
（使用 DeepSeek V4 Flash 模型）
不是讓 Agent 持續存活，而是讓軟體世界持續存活
複雜軟體的生命，天生就比單次 Agent 工作階段更長。
EvoX Genesis 將軟體組織成一個不斷遞迴展開的軟體世界：
上層 Agent 分解目標，新的 Agent 在各自的位置完成工作；
結果通過驗證後，便進入軟體的版本歷史，成為下一輪開發的現實。
然後，Agent 可以消失，
新的 Agent 從已經成形的軟體世界繼續出發。
持續存在的，不是某段 conversation，不是不斷膨脹的 scratchpad，也不是一個永遠在線的「總管 Agent」。
持續存在的是程式碼、結構、約束、驗證結果，以及已經發生的歷史。
持續存在的不是 Agent，而是軟體世界。
Agent does not persist. Its validated consequences do.
這就是 EvoX Genesis 的遞迴自主演化。對使用者而言，它也意味著一件非常簡單的事：
你不需要打造 Agent——只需要描述你希望軟體成為什麼樣子。
無需預先設計 Agent、角色或工作流程，也無需手動拆解完整的任務樹。
使用者只需要用一段簡短的文字描述軟體開發目標；
任務如何分解、Agent 如何生成、遞迴如何展開、結果如何驗證——這一切全部由 EvoX Genesis 自行完成。
圖2：Persistent Recursive World 概念圖 / Agent 誕生、行動、消失；軟體世界持續展開
模型可以替換，軟體世界繼續
這種連續性甚至不要求從頭到尾使用同一個模型。
在另一組實驗中，一個最初由 GLM 5.2 建構的軟體世界，被交給 DeepSeek V4 Flash 繼續發展。
最終，在保留的 LLVM SingleSource 測試中，它通過了 1,820/1,820。
模型可以替換，Agent 可以替換——軟體世界繼續。
圖3：GLM 5.2 → DeepSeek V4 Flash 的跨模型接續實驗
從無到有，或繼承歷史
從零打造只是軟體生命週期的一端；
另一端，是已經存在多年、沉積著大量結構與歷史的軟體世界。
我們將 EvoX Genesis 應用在 MESA——一個長期發展的恆星演化科學計算系統。
實驗涉及 13 個 Fortran 模組，共139,414 行；
EvoX Genesis 將它們重構為對應的 Rust crates，模型 token 成本約10.6 美元。
一個軟體世界可以從無到有，也可以繼承歷史、持續變化。
圖4：MESA Fortran → Rust，13 個模組、139,414 行程式碼、10.6 美元
成本優勢，也會隨時間複利累積
長程軟體開發並不意味著成本會持續線性增長。
在 EvoX Genesis 中，已驗證的程式碼、結構與開發歷史會不斷累積，成為下一輪工作的基礎。後續的 Agent 不需要每次都從頭理解整個專案，大量既有資訊可以直接快取並重複使用，快取命中率高達 97.4%。
隨著系統持續運作，可重複使用的開發狀態越來越豐富，重複的運算越來越少，單位開發成本反而隨時間逐步下降。
這是一種隨時間不斷累積的工程複利。
EvoX Genesis 現已開源
專案已開放原始碼，並提供 Windows、macOS 與 Linux 的安裝包。
🌐 官方網站：
🔗 GitHub：
https://github.com/EMI-Group/genesis
↓ 下載連結：
https://github.com/EMI-Group/genesis/releases
▤ 論文：
https://arxiv.org/abs/2608.10450
🌐 QQ 交流群組：297969717
Agent 會離開，軟體世界持續演化
EvoX Genesis，天演·啟元
參考文獻：
OpenAI, Run long horizon tasks with Codex (2026).
Anthropic, Building a C compiler with a team of parallel Claudes (2026).