super-agent-integration —— 端到端自主闭环真实跑通

目标：把此前 12 轮反复标记为"未真实跑通"的最后一公里补上——不是再建一个能力， 而是把已建成的「四引擎 + 评测」拼成一次真实可运行、可被度量的端到端闭环。

为什么需要

单一能力（规划 / 自验证 / 记忆 / 反思 / 执行内核 / 评测）逐个建成不等于"能端到端自主干活"。 真正的分水岭是：把它们串起来真实跑一次，且用评测量化"这次跑得健不健康"。 本技能就是那根把零件拧成发动机的总装线。

闭环编排（全链路，真实调用各引擎）

scripts/integration_runner.py 在运行期真实 import 下列引擎并逐一调用（导入失败即显式报错，绝不静默降级成空转）：

1. 规划（planner）：目标写进跨引擎记忆总线 MemoryBus.write("planner","goal",...)
2. 执行内核（super-agent-bootstrap）：SuperAgent().run(goal, items) 跑通 感知→执行→自验证→反思重规划
3. 自验证（reason-verify）：对汇总论断调用 reason() 做可靠性评分（reliability）
4. 反思重规划（reflection-replanner）：若自验证不达标，用 Replanner.replan() 增补针对性补救步骤
5. 跨引擎记忆贯通（memory-cross-engine）：每个结果 MemoryBus.write("memory",...) 并与目标 link
6. 回归评测（agent-eval-harness）：EvalHarness 跑 4 个分类用例，量化 pass_rate 与是否回退
7. 健康度综合：health = 0.35*verify_gate + 0.30*eval_pass_rate + 0.20*reason_rate + 0.15*replan>=1
   • health >= 0.85 → 判定"闭环可用"

用法

# 自检（真实跑通一次端到端闭环并断言健康度）
python scripts/integration_runner.py --selftest
# 真实跑一次
python scripts/integration_runner.py --goal "将条目分类并汇总" --items "量子计算" --items "苹果股价" --workdir ./run1

输出

健康度报告（JSON）：verify_gate / replan_count / reason_verify_rate / eval_pass_rate / eval_regressed / memory_engines / memory_entries / health_score / verdict。

设计要点

• 真能跑：integration_runner.py --selftest 用含未知条目的样例真实触发一次反思重规划， 断言 verify_gate=True、replan>=1、eval_pass_rate=1.0、memory 覆盖全部输入、health>=0.85。
• 不空转：各引擎为硬依赖，导入失败即报错，确保闭环是真实串联而非话术。
• 可被度量：用 agent-eval-harness 量化通过率并检测回归，使"是否真超越"可观测。

自进化学习系统

本技能自身也遵循自进化：每次使用 record 回写成败、用户偏好，并据错误模式自动复盘改进。

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。

越用越懂你：第一次用是通用能力，第十次用已沉淀为你专属的最佳实践。