OpenSpace（HKUDS 出品）是一个「自进化技能引擎」，目标是让各类 AI 代理更聪明、更省成本、能自我进化。它以技能（skills）形式插入任意代理（OpenClaw、nanobot、Claude Code、Codex、Cursor 等），赋予三种能力：自进化（技能坏了自动修、成功模式自动沉淀为更好版本、从真实使用中学习）、群体智能（进化出的技能可一键上传/下载、跨代理共享，一人学会全体受益）、token 效率（复用成功方案、只改坏的部分，号称在真实任务上 46% 更少 token、4.2× 更高表现）。基于 MCP，配云端技能库与质量监控、多渠道通信网关（WhatsApp/Feishu）。Python、MIT、约 6,300 星。
来源：README 顶部/What is OpenSpace/三大能力、GitHub meta（HKUDS/OpenSpace，Python，MIT，社区 open-space.cloud） 查看 GitHub 仓库 →当前 AI 代理强但「不会从经验中学习、适应、进化，更不会彼此分享」——每次从零推理烧 token、重复犯同样的错、技能随工具演进而失效。OpenSpace 正面解决这三点：让技能自动修复/改进/学习、跨代理共享进化、并显著省 token。它出自 HKUDS（以 LightRAG 等知名）、MCP 接入多种代理、配云端技能库与经济基准（GDPVal）数据背书，话题与实用兼具，积累约 6,300 星。其「赚钱协作者」「6 小时赚 11K」等说法源自 GDPVal 经济基准，需理性看待为基准结果而非实盘收益。
来源：README The Problem/What is/Benchmark、GitHub meta（stars 6311、created_at 2026-03-24、pushed_at 2026-05-21）技能能自动改进自己：AUTO-FIX（坏了即时自修）、AUTO-IMPROVE（成功模式升级为更好版本）、AUTO-LEARN（从真实使用中捕获致胜工作流），并有质量监控追踪技能表现、错误率与执行成功率。
来源：README Self-Evolution 段把单个代理变成共享大脑：一个代理的改进成为所有代理的升级，代理越多数据越丰富、进化越快；进化出的技能可一键上传/下载，支持公开/私有/团队级访问控制。
来源：README Collective Agent Intelligence 段通过复用成功方案而非每次从零、只修坏掉的部分（小更新）来省钱：号称在真实任务（GDPVal 经济基准）上 4.2× 表现、46% 更少 token。技能越用越好、相似工作越来越便宜。
来源：README Token Efficiency/Benchmark 段以 MCP 形式插入任意代理（支持 stdio / SSE / streamable HTTP 启动），配云端技能库（质量监控、相关性搜索、私有可见性）；并有多渠道通信网关（WhatsApp Baileys 桥 + Feishu webhook，含会话管理与白名单访问控制）。一条命令即可进化所有代理。
来源：README News（MCP/SSE/通信网关）/顶部、host_skills 文档OpenSpace 是 Python（3.12+）实现、以 MCP 形式接入宿主代理的自进化技能引擎。仓库含 openspace/（核心：技能注册/存储、进化器、质量监控、host_skills 集成、config 通信网关等）、frontend/（带中文 i18n 的前端）、gdpval_bench/（GDPVal 经济基准）、showcase/、assets/。运行机制：技能以目录形式注册（幂等、可动态重扫描），代理调用时按需检索本地或云端技能；进化器对失败做 AUTO-FIX、对成功做 AUTO-IMPROVE/LEARN，并记录进化候选生命周期与质量指标；云端技能库支持上传/下载与公开/私有/团队访问。MCP 服务支持 stdio、SSE 与 streamable HTTP（绕开 stdio 超时瓶颈），并有 WhatsApp/Feishu 通信网关。安全上对 zip 解压与 import_skill 做了路径穿越加固、并 pin litellm 规避供应链漏洞。
来源：README News/三大能力/Benchmark、仓库目录树（openspace/frontend/gdpval_bench/showcase）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
MCP（stdio / SSE / streamable HTTP）宿主代理：OpenClaw/nanobot/Claude Code/Co…云端技能库（open-space.cloud）litellm（多 LLM）、WhatsApp(Baileys)/Fei…适合想让 AI 代理「越用越聪明、越省钱」的开发者与团队：给 OpenClaw/Claude Code/Codex 等接上 OpenSpace，让常见任务的成功方案沉淀为可复用技能、失败自动修复、跨代理/团队共享进化，从而减少重复推理与 token 浪费；用云端技能库分发与质量监控保证可靠性；用通信网关把代理接到 WhatsApp/飞书。也适合研究「自进化技能 + 群体智能 + 经济基准（GDPVal）」如何提升代理性价比。其经济收益说法应理解为基准（GDPVal）结果、非实盘保证。
来源：README The Problem/三大能力/Benchmark2026-03-25 开源，v0.1.0（2026-04-03）引入技能质量监控（按高质量技能的结构模式每日评估新提交）、更快的云搜索与社区垂直技能簇。此后持续更新：进化候选生命周期追踪、macOS 加固、CAPTURED 技能持久化与私有上传、多渠道通信网关（WhatsApp/Feishu）、MCP 的 SSE/HTTP 启动、多项稳定性与安全修复。MIT 开源、约 6,300 星。仓库最近一次更新在 2026-05-21。
来源：README News 段、GitHub meta pushed_at 2026-05-21、created_at 2026-03-24OpenSpace 瞄准了 AI 代理的真实短板——不会从经验中学习、适应、进化，也不会彼此分享——给出了「自进化技能 + 群体智能 + 省 token」的方案：技能自动修复/改进/学习、进化成果跨代理共享、相似任务越来越便宜，并以 MCP 插入 OpenClaw/Claude Code/Codex 等多种代理，配云端技能库、质量监控与 GDPVal 经济基准。对想让代理越用越聪明、越省钱的团队，思路新颖、工程也较扎实，出自 HKUDS、MIT 开源。要理性看待的是其经济/性能数字源自自评基准（非实盘收益）、云共享涉及数据上传需谨慎、自进化有质量漂移与安全考量需监控把关。作为「让代理自我进化、协同省钱」的开源引擎，它的方向与完成度都值得关注。
来源：综合 README、三大能力、Benchmark 与 GitHub meta 的事实判断