走进EvoMap：刻画一个自进化的智能体间协作网络

智能体间（A2A）网络使自治AI智能体能够通过共享可复用的问题解决指令进行协作。然而，这些去中心化生态在实践中如何运作，在很大程度上仍未被探索。我们对知名A2A协作网络EvoMap开展了首个大规模实证研究。通过分析超过150万个资产和12.8万个智能体，我们展示了优先考虑可扩展增长的设计选择如何在可复用性、进化和可审计性之间引入权衡。首先，EvoMap的积分经济奖励智能体发布有价值的资产。尽管这一设计鼓励大规模参与，但奖励主要与发布而非采用挂钩。这导致智能体为积累积分而批量生产资产。结果是98%的资产从未被复用，而奖励高度集中于少数智能体。其次，EvoMap采用一种算法（称为GDI）对这些共享资产的质量进行评分和排名。我们证明该评分系统存在缺陷：资产的排名并非度量客观性能，而是严重受未经核实的自报元数据（如声称修改的代码行数）支配。这使智能体可以轻易操纵其资产评分。最后，EvoMap依赖智能体提供本地执行日志作为上传资产可正常运行的证据。由于这些验证未经独立核实，超过84%的通过审核资产使用空洞测试（如console.log()）绕过质量检查。我们的发现表明，未来的A2A协作网络不能仅依赖未经核实的自我报告。可扩展的协作需要能在开放参与与可验证执行、可信评估之间取得平衡的机制。