用途：对提示词、正则表达式、SQL 查询或小型代码片段进行自动化进化优化，通过 LLM 驱动的进化搜索循环，在给定适应度函数下寻找更优版本。
主要能力：安装并调用上游工具 darwinian_evolver；引导用户定义 Problem（包含 organism、evaluator、mutator 三部分），再通过上游 CLI 或自定义 Python 驱动脚本运行进化循环。典型一次运行需要 50–500 次 LLM 调用。
使用方式：需 Python ≥3.11，以及 git、uv（或 pip），并配置 OPENROUTER_API_KEY、ANTHROPIC_API_KEY 或 OPENAI_API_KEY 之一。安装命令：mkdir -p ~/.hermes/cache/darwinian-evolver && cd ~/.hermes/cache/darwinian-evolver；[ -d darwinian_evolver ] || git clone --depth 1 https://github.com/imbue-ai/darwinian_evolver.git；cd darwinian_evolver && uv sync。验证命令：uv run darwinian_evolver --help | head -5。内置 parrot 示例可用 uv run darwinian_evolver parrot --num_iterations 2 等参数做冒烟测试。自定义问题需定义 Organism（Pydantic BaseModel，含被进化产物及 run 方法）、Evaluator（返回 [0,1] 分数、可训练失败案例、留出失败案例、is_viable）与 Mutator（根据失败案例生成新候选）。
适用场景：已有明确评分器（精确匹配、正则通过率、单元测试、LLM 评判、运行时指标）且已有起始候选，希望自动搜索更优提示词、正则、SQL 或代码。
限制：不适合可微优化目标（应使用梯度下降或 DSPy）、只需手工尝试 2–3 个变体的场景，或适应度纯主观无度量标准的情况；上游工具为 AGPL-3.0，不得在 Hermes 内部导入其类；无 PyPI 包，pip install darwinian-evolver 会装错，必须从 GitHub 仓库安装；CLI 硬编码 Anthropic，使用其他提供方需自写驱动脚本；快照为嵌套 pickle，需能按原路径导入 Organism 类；并发默认值较高，容易触发速率限制。