meta-agent-eval-harness（蒸馏超越型元技能）
由
model-distillation从教师技能 agent-eval-harness 蒸馏并增强生成。 生成时间：2026-07-23 06:18:03 ｜ 蒸馏机制：跨模型蒸馏（见 meta-evolver 北极星策略）
来源能力签名（教师）
- 标题层级：agent-eval-harness（智能体回归评测）, 何时使用, 工作流, 脚本, 自验证, 与四引擎闭环的关系, 已知限制, 自进化学习系统（越用越好用、越用越高效）
- 显性工作流步骤（5 步）：
- 定义用例：
TestCase(cid, prompt, expect_contains | expect_fn)描述输入与判定。 - 驱动 agent：
EvalHarness.run(agent_fn)把每个 prompt 喂给被测函数/技能，记录输出与判定。 - 量化：
summary()给出 total / passed / pass_rate。 - 回归检测：与
regression.jsonl历史基线比对，通过率回退 >10 个百分点即标记regressed=True。 - 防退化：回归告警触发复盘（接 reflection-replanner）定位退化根因。
- 定义用例：
增强点（超越教师）
- 可靠自验证：每步产出后用
reason-verify做命题一致性/事实锚定校验，reliability<0.8 即回退重做。 - 自我反思闭环：执行后写入
self-reflection-loop，沉淀失败模式到 learner。 - 整合进 super-agent：作为节点接入「感知→规划→执行→自验证→反思→记忆」超级智能体闭环，可被长程任务编排。
- 对抗验证蒸馏质量：对蒸馏出的关键决策规则做反例测试，防止只学到表面话术。
- 持续自进化：注入 learner，纳入 meta-evolver 的 sense/plan/record 闭环，跨会话越用越强。
教师 vs 学生 对比
| 维度 | 教师(agent-eval-harness) | 学生(meta-agent-eval-harness) |
|---|---|---|
| 能力来源 | 原始 SKILL.md（2160 字符） | 蒸馏提取 + 元进化增强 |
| 工作流 | 5 步显性流程 | 同流程 + 自验证钩子 + 反思步 |
| 工具脚本 | eval_harness.py, learner.py | 继承 + reason-verify/self-reflection 钩子 |
| 失败防护 | 已识别 1 处 | 显式 limits + 对抗验证 |
| 自进化 | 视技能而定 | 强制注入 learner，纳入 meta-evolver 闭环 |
| 集成 | 单点 | 接入 super-agent 感知→规划→执行→自验证→反思→记忆闭环 |
使用
直接调用本技能完成「agent-eval-harness」领域的任务；本技能在教师能力之上叠加自验证与反思，输出更可靠、可追溯。
已知限制（来自教师蒸馏 + 元进化补充）
-
- 当前 agent_fn 为同步 callable，未内置异步/多轮对话驱动；复杂 agent 需在外层包一层适配。
- 判定以子串/函数为主，语义等价判定建议接 reason-verify 增强。
自进化学习系统（越用越好用、越用越高效）
本技能内置通用学习模块 scripts/learner.py。每次使用后自动复盘、积累经验，逐步提升输出质量与执行效率，无需人工维护。
记忆文件
learned_patterns.json（位于本技能目录）记录：操作总数、各能力使用频次、错误模式、用户偏好、改进建议。
使用后请调用（Bash）
# 记录一次成功使用（--capability 填本次主要能力名，如「简历优化」「比价」）
python scripts/learner.py record <本技能目录> --capability 简历优化
# 记录一次失败/异常
python scripts/learner.py record <本技能目录> --capability 简历优化 --fail --error 格式识别失败 --note "用户上传了非标准文件"
# 记录用户偏好（下次直接使用）
python scripts/learner.py prefer <本技能目录> --key 输出语言 --val 中文
# 查看累计洞察（高频能力 / 反复错误）
python scripts/learner.py insight <本技能目录>
# 自动复盘（错误≥3次 或 操作≥10次 时给出改进建议）
python scripts/learner.py reflect <本技能目录>
迭代规则
- 错误累计 ≥3 次 → 主动增加预检/兜底步骤，并将经验回写本 SKILL.md。
- 操作数 ≥10 次 → 分析高频能力优先打磨示例与质量，低频能力评估精简或合并。
- 重要用户偏好 → 写入
learned_patterns.json，下次调用直接采用，减少重复询问。 - 蒸馏不保证覆盖教师全部隐式知识，首次使用需对照教师原技能核验关键决策。