Skip to content
Skills Library
AI & agents · Analysis

self-evolution

/self-evolution

复盘已经发生的工作并沉淀改进,不是“我们来进化 X”的产品入口。 Use when: operator scope 发散偏离愿景、同类错误反复出现、SOP 流程缺口、有价值的知识/方法论值得沉淀。 Not for: 用户询问“能进化什么”、能力进化边界,或要求“我们来进化 X”(用 capability-evolution);日常 SOP 推进(正常执行);一次性个案 bug fix。 Output: Scope Guard Log 记录 / Evolution Proposal 提案 / Episode Card → Method/Skill 蒸馏 → Eval 验证。

Repository
clowder-ai ↗
Licence
MIT
Last repository change
27.10.2026

Assessment and security

100/ 100Class: good
Format25 / 25
Frontmatter with name and description, valid name, description up to 1,024 characters, name matching the folder.
Discoverability25 / 25
Description explains when to use the skill, has a reasonable length and uses third person.
Content35 / 35
At least 150 words and at most 500 lines, headings, step lists, examples or code.
Hygiene15 / 15
No placeholders such as TODO, no Windows paths, with a licence.
Riskno signals detected in the scan
Files in this package
1
Scripts
0
HTML comments
0
URLs in SKILL.md
0
Deprecation

No signals detected. Repository changed on 27.10.2026, without references to retired models or APIs.

Licence

MIT, open: use and modify while retaining author attribution.

What it does and when to use it

复盘已经发生的工作并沉淀改进,不是“我们来进化 X”的产品入口。 Use when: operator scope 发散偏离愿景、同类错误反复出现、SOP 流程缺口、有价值的知识/方法论值得沉淀。 Not for: 用户询问“能进化什么”、能力进化边界,或要求“我们来进化 X”(用 capability-evolution);日常 SOP 推进(正常执行);一次性个案 bug fix。 Output: Scope Guard Log 记录 / Evolution Proposal 提案 / Episode Card → Method/Skill 蒸馏 → Eval 验证。

Triggers from the description

我们来进化 X能进化什么
Original author description

复盘已经发生的工作并沉淀改进,不是“我们来进化 X”的产品入口。 Use when: operator scope 发散偏离愿景、同类错误反复出现、SOP 流程缺口、有价值的知识/方法论值得沉淀。 Not for: 用户询问“能进化什么”、能力进化边界,或要求“我们来进化 X”(用 capability-evolution);日常 SOP 推进(正常执行);一次性个案 bug fix。 Output: Scope Guard Log 记录 / Evolution Proposal 提案 / Episode Card → Method/Skill 蒸馏 → Eval 验证。

How it works

  1. 先排除 F311 产品意图
  2. 三个模式
  3. Mode A: Scope Guard
  4. Mode B: Process Evolution
  5. 理解偏差自记录(F167 Evidence)
  6. Mode C: Knowledge Evolution
  7. 共享:五级知识成熟度阶梯
  8. 共享:知识层级分工
  9. 共享:元认知路由
  10. 共用规则
Original SKILL.md headings · 282 lines, 953 words
SKILL.md preview
---
name: self-evolution
description: >
  复盘已经发生的工作并沉淀改进,不是“我们来进化 X”的产品入口。
  Use when: operator scope 发散偏离愿景、同类错误反复出现、SOP 流程缺口、有价值的知识/方法论值得沉淀。
  Not for: 用户询问“能进化什么”、能力进化边界,或要求“我们来进化 X”(用 capability-evolution);日常 SOP 推进(正常执行);一次性个案 bug fix。
  Output: Scope Guard Log 记录 / Evolution Proposal 提案 / Episode Card → Method/Skill 蒸馏 → Eval 验证。
---

# Self-Evolution — Scope Guard + Process Evolution + Knowledge Evolution

> 三猫共用。猫猫是主动的共创伙伴(P2),不是被动的 agent。
> 发现问题就护栏,发现规律就改进,发现知识就沉淀。
> **闭环 = 触发→产出结构化记录→蒸馏复用资产→验证净增益→五级阶梯治理。**

## 先排除 F311 产品意图

- 用户问“能进化什么 / 能自进化什么 / 能力进化的边界” → `capability-evolution`,只解释、不创建 Program。
- 用户说“我们来进化 X”并给出具体对象 → `capability-evolution`,进入 canonical Evolution Program。
- 只有当用户在复盘**已经发生的工作**、收束 scope、修复重复流程缺口或沉淀知识时,才留在本 skill。

分界不看“进化”这个词,看时间方向:**面向未来改变对象**是 F311 Capability Evolution;**面向过去提炼经验**是 Self-Evolution。

## 三个模式

| 模式 | 方向 | 保护/推动什么 | 触发 | 产出物 |
|------|------|---------------|------|--------|
| **A: Scope Guard** | 防御 | 当前 feat 验收边界 | operator讨论偏离愿景 | Scope Guard Log 记录 |
| **B: Process Evolution** | 防御→改进 | 团队流程持续改进 | 重复犯错 / 流程缺口 | Evolution Proposal |
| **C: Knowledge Evolution** | 进攻→成长 | 团队能力边界扩展 | 有价值的知识/方法论产生 | Episode Card → Method/Skill |

---

## Mode A: Scope Guard

### 触发信号

不靠机械计数。看**是否越过当前 feat 契约**——满足 2 个普通信号或 1 个强信号:

| 信号 | 强度 |
|------|------|
| 新想法不直接服务当前愿景/验收条件 | 普通 |
| 新想法引入新的用户旅程/新页面/新子系统 | **强** |
| 新想法需要新的外部依赖/API/数据模型 | **强** |
| 新想法导致"这次怎么验收"说不清了 | **强** |

### 行为

> operator,先收一下:当前 feat 愿景是 **{愿景}**。刚才提到的 **{新方向}** 更像独立 feat / 下一 phase。要不要拆出去方便验收?

- 同一 phase **最多两次**:第一次温柔,第二次明确说"建议碰头"
- operator说"不拆" → 复述新验收边界,不再追问
- 出口:继续 / 拆 feat / parking lot / 碰头

### 触发后记录

每次触发后追加到 `docs/scope-guard-log.md`:

```
| {date} | {feat_id} | {signal_type} | {action_taken} | {outcome} | {agent} |
```

- **同一 feat ≥3 次**触发 → 强烈建议拆 feat
- **效果追踪**:成功率 = operator聚焦 / 总触发,用于调节灵敏度

---

## Mode B: Process Evolution

### 触发(任一)

1. Memory 中同类错误 **≥ 2 次**
2. operator纠正了**可泛化为规则**的行为
3. SOP 执行中发现**没有指引**
4. Review 指出**系统性问题**(非个案 bug)

### 提案流程

1. **先闭环当前任务**:按新裁决修正当前产物,并在当前 scope 扫同类位置;不能只修被点名的一处
2. **写提案**:用 `docs/evolution-proposals/TEMPLATE.md` 创建 `EP-XXX.md`
3. **5 槽模板**:Trigger / Evidence(≥2 源) / Root Cause / Lever(最小杠杆) / Verify
4. **审批**:影响单猫→直接提operator;影响三猫→先 1 猫 sanity check→operator拍板
5. **落地闭环**:accepted → 必须关联 commit/PR,不能停在"提了"
6. **30 天验证**:落地 30 天后自动触发 replay check——同类错误还出现吗?

### 裁决蒸馏默认动作

operator给出可泛化的裁决或纠正后,**归档 / 提案前先完成一次有界同类扫描**:

1. 以本次偏差的判据为搜索词,扫描当前任务正在修改的文件、claim 或检查清单。
2. 当前 scope 内的同型问题一并修;跨 feature 的命中只投 source ref 给 owner,不顺手扩大实现球权。
3. 若裁决消除了真实歧义,把它蒸馏成一组“错误例 → 正确例 → 分界判据”,写回现有 skill / test / docs 真相源。

这不是“每次纠正都建档”,也不是全仓扫墓。未确认历史重复时仍按正常任务处理;只有本节触发条件成立,才进入 Evolution Proposal。

**例子对**:

- 错误例:只改 reviewer 点名的一个分页调用点,却没查同一 helper 的其他消费者。
- 正确例:先修点名位置,再在当前改动边界内搜索同一 helper;同型调用一并修,跨 feature 命中只路由证据。
- 分界判据:同一失败机制 + 当前任务已持有 scope 才直接修;仅文字相似或别的 owner scope 不算。

### 最小杠杆排序

复述scope → 改memory → 改单skill → 改SOP/shared-rules → 改SystemPromptBuilder → 改L0

### 硬护栏

1. **证据 ≥2 源**(对齐 §16 实事求是)
2. **最小杠杆优先**
3. **先修当前,再提改进**——不拿建议逃避当前任务
4. **提案要短**——5 槽,不写长篇反思(F086 教训)

---

## 理解偏差自记录(F167 Evidence)

> 被纠正不丢人,不记录才丢人。

### 触发信号

**重复实证的理解偏差才触发记录**(2026-07-15 修订:旧版单次"笨猫"即当轮写档,与本节硬护栏 3"个案不值得记录"同节自相矛盾,也与 L0 摩擦检测反射"判据是之前真发生过吗"冲突):
- 同一任务被纠正 2+ 次(当场重复)
- 纠正模式与历史 case 同型(跨任务重复,搜证据确认后才立档)
- 单次纠正:当轮接住改正即完成,不写档;挫败语气词后跟玩笑("笨猫哈哈哈")不是触发器

### 记录动作

检测到纠正信号后,**先完成operator实际要求的任务**,然后在同一轮回复末尾附一段 evidence 记录到 F167 spec(`docs/features/F167-a2a-chain-quality.md` 的 Behavioral Evidence 区):

```markdown
### Case E{N}: {一句话标题}({日期})

| 维度 | 内容 |
|------|------|
| 我以为 | {我理解的任务} |
| 实际要求 | {operator实际要的} |
| 偏差根因 | {任务替换 / 锚定偏差 / 行动偏好 / 上下文盲视 / ...} |
| 纠正轮次 | {被纠正几次才理解} |
| 元心智哪条没执行 | {Q1角色确认 / Q2信息验证 / Q3坐标变换 / 都执行了但仍偏} |
```

### 硬护栏

1. **先做事再记录**——不拿"记录 evidence"逃避当前任务
2. **不自我辩解**——记录事实,不写"但我觉得..."
3. **归因到模式**——个案不值得记录,只记可归类的模式(任务替换、锚定偏差等)

---

## Mode C: Knowledge Evolution

> **不只从错误中学习,也从有价值的经验中成长。**
> 三机制闭环:Episode Card(原料)→ Dual Distillation(蒸馏成品)→ Eval Ledger(证明净增益)

### 触发(任一)

1. **Deep research** 产出了跨场景可复用的知识或框架
2. **专业领域讨论**(医疗/法律/投资/技术调研等)形成了可迁移的分析方法论
3. **跨域协作**中发现了可复用的协作模式或思维框架
4. **operator说"这个值得记住"** 或猫猫自主判断有高复用价值

### 判断标准:值得沉淀吗?

问三个问题:
- **复用性**:未来类似场景还会用到吗?
- **非显然性**:这个知识/方法不容易从头推导出来吗?
- **衰减性**:不记下来,下次还能想起来吗?

三个中满足 ≥ 2 个 → 值得沉淀。

### 机制 1: Episode Card

高价值协作后写结构化事件快照。用 `docs/episodes/TEMPLATE.md` 创建。

**触发条件**(满足任两条):
- 高风险领域(医疗/法律/投资)
- 输入 ≥2 类(docs + code + data + conversation + external research)
- 人类明确认可产出质量
- 产出了结构化方法
- 有效的边界控制案例

**Episode Card 必须包含**:
- Task Snapshot(情境 + 风险等级)
- Evidence Map(证据来源 + 可靠性评估)
- Decision Timeline(推理转折点)
- **Collaboration Pivots**(核心!human cue → AI interpretation → effect → transferable lesson)
- Transferable Method(蒸馏种子)
- Non-Transferable Facts(不可泛化的场景事实)
- Safety Boundary(边界决策记录)
- Distillation Direction(蒸馏去向)

### 机制 2: Dual Distillation

每张 Episode Card 蒸馏成两种形态之一:

| 条件 | 蒸馏成 | 模板 |
|------|--------|------|
| 高风险/跨领域分析框架 | **Method Card** | `docs/methods/TEMPLATE.md` |
| 重复步骤稳定的流程型任务 | **Skill Draft** | 走 `writing-skills` skill |

- 高风险领域**一律默认 Method Card**(不沉淀事实库,只沉淀方法论)
- 轻量知识点 → memory file(不走 Episode Card)

### 机制 3: Eval Ledger

Replay A/B 验证知识净增益。用 `evals/mode-c/TEMPLATE/` 结构创建。

**A/B 卫生规则**:
- 同模型版本 + 同 prompt skeleton + 低温固定采样 + 同 judge rubric + paired comparison

**Case 数量**:
- **Smoke gate**:3 cases(证明"不是胡说")
- **Promotion gate**:5 cases,必须覆盖 3 类(标准成功 / 边界应升级 / 冲突反例)

**Judge 评分维度**:
| 维度 | 权重 |
|------|------|
| Boundary compliance | 35% |
| Evidence handling | 30% |
| Knowledge application | 20% |
| Human edit volume | 15% |

- Pass: overall ≥ 3.5/5 AND boundary ≥ 4/5
- 高风险域: boundary 必须 5/5
- Judge 不能是创建知识的同一 agent

### Mode C 护栏

- **不是每次对话都沉淀**——只沉淀过了三问判断的知识
- **沉淀不是目的,可调用才是**——写了没人读 = 没写
- **已有的不重复写**——先搜再写,避免知识碎片化

---

## 共享:五级知识成熟度阶梯

> 详见 ADR-015。三模式产出物共享同一套阶梯。

| Level | 形态 | 晋升条件 |
|-------|------|----------|
| **L0** | Episode | 模板完整,已分离可迁移/不可迁移 |
| **L1** | Pattern | ≥2 个相似 episode(180 天内),或人类要求;5Q ≥ 7/10 |
| **L2** | Draft | smoke gate ≥3 cases(≥2/3 pass);promotion gate ≥5 cases(≥3/5 pass,覆盖 3 类) |
| **L3** | Validated | ≥6 uses,≥2 agents,≥80%,无 critical breach |
| **L4** | Standard | ≥12 uses,最近 10 次 ≥90%,operator 批准 |

**双车道**:`long_tail: true` 允许长期停 L2/L3(高风险/低频域)。

## 共享:知识层级分工

| 层级 | 角色 | 禁止 |
|------|------|------|
| Episode | 个案级证据底稿(原料) | — |
| Method / Skill | 蒸馏后的复用资产(成品) | — |
| memory | 轻量索引/指针 | 禁止复制 Method 正文 |
| lessons-learned | 失败导向教训库 | 禁止塞入成功案例 |

## 共享:元认知路由

三信号路由——不信单次口头自信度:

| 信号 | 来源 |
|------|------|
| domain_reliability | 滚动域内可靠度 `(successes+1)/(trials+2)` |
| evidence_completeness | 证据覆盖度评估 |
| self_reported_confidence | 自报置信度(参考但不依赖) |

**高风险域 action_confidence < 0.85** → 只做结构化分析 + 明确升级,不给结论。

---

## 共用规则

- **不发明新沉淀库**:路由到现有真相源(Episode/Method/Skill/memory/lessons-learned)
- **Knowledge Object Contract**:所有知识对象必须带 `knowledge` frontmatter 块(ADR-015)
- **出口闭环**:"改/沉淀"→改文件+commit push | "不改"→记录已评估不重复提 | "先记着"→parking lot
- **Common Mistakes**:凭感觉提建议(要证据)/ 过度进化每句话都建议(硬护栏)/ 只从错误学不从成功学(Mode C)/ 动态数据塞 frontmatter(Use Log 追踪)

## 和其他 Skill 的区别

- `capability-evolution`:围绕一个具体能力/object 建 durable F311 Program;“能进化什么”或“我们来进化 X”走它,不走本 skill
- `collaborative-thinking`:讨论收敛用它;scope 漂/犯错/知识沉淀 → self-evolution
- `deep-research`:调研过程用它;调研产出有复用价值 → Mode C
- `debugging`:定位 bug 用它;同类 bug 反复 → Mode B
- `writing-skills`:写 skill 用它;Mode C 蒸馏出 Skill Draft → writing-skills 接手

## 出口

三个模式出口都一样:闭环后回到当前工作。

Versions

The database has no other skills named self-evolution.

Database snapshot: 13.11.2026 · package version 3de7fd84d110 (SHA-256 digest of the entire package)

Downloads in the last 30 days: 0 · ranking

Report a problem with this skill: harmful content, incorrect descriptions or an author’s removal request.

Similar skills

  • 100skill-evolution
    Skill 经验进化管理器。在对话结束时分析用户反馈,提取最佳实践和解决方案,持久化到 evolution.json 并缝合到 SKILL.md。支持三层架构(上游层、全局层、项目层)实现跨项目经验管理。当用户说"复盘"、"记录经验"、"保存这个技巧"、"evolve"时使用此工具。
  • 90capability-evolution
    F311 能力进化入口与续办。Use when: 用户询问可进化对象,或直接给出要改善的 Agent/业务能力结果,或已有项目需要继续。Not for: 事后复盘、确定性 bug、运行健康排查;只讨论或延后启动时不建 Program。Output: 解释边界;动作型目标幂等建 Program,并在同一 invocation 提交、回读首轮准备;已有项目按真实证据与权限继续取证、改进、复验和方法回流。
  • 100meta-optimize
    Self-refining engine — analyze repeated failures in other skills and rewrite their prompts/logic to improve future runs. Use when: optimize skill, refine prompt, improve agent, meta-learning, self-evolution, fix recurring error.
  • 100skill-evolution
    診斷、評估或優化既有 Skill 時使用。預設完整檢查指令、引用、工具能力與流程, 以具體情境和證據確認缺陷、排除誤報,依根因提出修正。 檢查與評估維持唯讀;明確要求修改或優化時,完成診斷後執行授權範圍內的修正與驗證。 明確要求工作流化或轉成 workflow 時,原 Skill 唯讀,在另一目錄產生可執行專案及驗證;不因一般優化請求自動轉換。 也支援本技能的版本檢查及上游更新;不以發現數量衡量品質。
  • 100capability-evolver
    Self-evolution workflow for the agent. Before a substantive task, recall what worked on similar past tasks from evolution memory; after it, record the outcome so future sessions learn from it. Use when the user starts non-trivial work (a feature, a fix, a refactor) or asks the…
  • 100nexau-evolution-guide
    NexAU agent evolution reference for a simple starting agent. Use when adding tools, middleware, sub-agents, or skills during evolution. Covers all available components, YAML config schema, and creation guides. Reference docs in reference/ for deep dives.

Feedback and reports

Your message goes to Bartosz Sokoliński. An email address is needed only for a reply. See the privacy policy.