metacognitive-monitoring（元认知监控）

北极星：超越一线大模型需要 agent 知道"自己不知道什么"。 本技能把「实时监控自身认知状态并据此自我调节」做成可运行、可验证的工程模块， 是 super-agent-loop / reason-verify 之上的"自我认知守门层"。

何时使用

• 执行长程 / 高风险任务前与中，判断当前是否该继续、降级、求助或暂缓。
• 检测到输出"看起来很自信但依据很薄弱"时，触发校准告警，避免幻觉式过度自信。
• 作为超级智能体闭环的"元决策开关"，串联规划→执行→自验证→反思。

核心机制

读取一份「认知状态」：

• confidence 置信度 ∈[0,1]
• uncertainty 认知不确定性（不知自己不知）∈[0,1]
• novelty 任务新奇度 ∈[0,1]
• scope_match 任务与已知能力的匹配度 ∈[0,1]
• necessity 任务必要性 / 价值 ∈[0,1]

输出元决策（按优先级）：

1. 过置信告警 OVERCONFIDENT — confidence>0.8 且 uncertainty>0.6：依据与自信矛盾，强制 SEEK_HELP 并标记 calibration_failure。
2. 求助 SEEK_HELP — uncertainty≥0.7 或 scope_match<0.3：超出可靠边界，需澄清/升级/检索。
3. 降级 DEGRADE — uncertainty≥0.45 或 scope_match<0.6：可用，但必须加验证、走保守方案。
4. 暂缓 DEFER — necessity<0.2：价值过低，暂缓或跳过（除非被显式要求）。
5. 继续 PROCEED — 其余：正常推进。

并提供 calibration_error()：对比历史 (confidence, actual_correct) 计算期望校准误差（ECE 简化版），量化"自信度"是否可信。

使用

python scripts/monitor.py --selftest          # 自测全部策略分支
python scripts/monitor.py --json '{"confidence":0.9,"uncertainty":0.2,"novelty":0.3,"scope_match":0.8,"necessity":0.7}'
python scripts/monitor.py --calibrate '[[0.9,true],[0.6,false],[0.8,true],[0.3,false]]'

自进化学习系统

本技能接入 skill-self-improve 的 learner.py：每次元决策后 record 决策类别与是否触发校准告警， 积累后可识别"何种任务易过置信"，反哺 super-agent-loop 的降级阈值。

已知限制

• 阈值（0.45/0.7/0.3/0.2）为经验默认，首次用于新领域建议用校准数据回灌再调。
• 不替代领域自验证（reason-verify / formal-verify），仅做"是否该继续"的元层开关。

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。每次元决策后自动复盘、积累经验，逐步提升可靠性。

记忆文件

learned_patterns.json（位于本技能目录）记录：操作总数、各元决策类别频次、过置信校准告警次数、用户偏好、改进建议。

使用后请调用（Bash）

# 记录一次元决策（--capability 填本次决策类别，如「PROCEED」「SEEK_HELP」「OVERCONFIDENT」）
python scripts/learner.py record <本技能目录> --capability SEEK_HELP
# 记录一次过置信校准告警
python scripts/learner.py record <本技能目录> --capability OVERCONFIDENT --fail --error 过置信 --note "高自信低依据"
# 记录用户偏好（下次直接采用）
python scripts/learner.py prefer <本技能目录> --key 降级策略 --val 保守验证
# 查看累计洞察（高频决策类别 / 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

• 过置信告警累计 ≥3 次 → 主动下调对应领域的 SEEK_HELP 阈值，并回写本 SKILL.md。
• 操作数 ≥10 次 → 分析高频决策类别优先打磨示例，低频类别评估精简。
• 重要用户偏好 → 写入 learned_patterns.json，下次调用直接采用。

越用越懂你：第一次用是通用监控，第十次已沉淀为你专属的"自我认知守门层"。