360 Secure SkillHub
360 安全技能中心

Self-Evolve Skill

核心功能是通过记忆、技能、规范三层沉淀优化Agent行为,触发方式包括关键词识别、踩坑检测、定期复盘,需经用户审批+Darwin评分双重质控。典型场景:用户提长期偏好、Agent操作失误后复盘、定期优化。输入为对话相关关键词/异常操作/复盘请求,输出进化请求卡片,按审批结果写入对应文件,持续适配用户习惯。

sjj2026
sjj2026
热度 42.62
最近更新 2026-05-11 17:44:17
分类:自动化依赖:读写文件 / 内部调用大模型应用场景:自动化脚本 / 工作流 / 任务管理

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add shike-self-evolve
Metadata
name
self-evolve.skill
description
Agent自进化机制。三层架构(记忆→技能→规范),三种触发(关键词+踩坑+复盘),用户审批+Darwin评分双重质控。用得越多越懂你。触发词:自进化、进化、evolve、记住、以后、永远、下次、踩坑经验。
version
2.1.0
author
Shike
license
MIT-0
tags
["self-evolution","evolve","memory","skill-optimization","darwin","自进化","进化","记忆优化"]

self-evolve.skill — Agent自进化机制

教一遍,记一辈子。用得越多,越懂你。


核心心智模型

模型1:遗忘曲线对抗 — Agent每次对话从零开始,进化机制就是"复习系统"。识别值得长期记住的经验→写入持久化文件→下次自动加载。失效条件:用户随口一说不是长期意图。

模型2:三层沉淀漏斗 — L1轻量偏好放记忆层,L2方法论放技能层,L3全局规则放规范层。越往上审批越严。失效条件:层级判断错误,不确定时宁可放L1等自然升级。

模型3:审批即训练 — 所有进化需用户审批。批准=正样本,忽略=负样本。频率控制:每日≤5次,每周≤15次,重要内容不受限。


进化层级协议

L1:对话记忆层 → MEMORY.md

  • 写入条件:用户偏好、行为模式、经验碎片
  • 审批:重要性≥medium,简单确认
  • 格式:### 🧬 自进化 [来源] > 经验内容(一句话)
  • Git:🧬 L1进化: <摘要>

L2:技能优化层 → SKILL.md

  • 写入条件:踩坑经验、方法论改进、边界补充
  • 审批:需Darwin评分≥70分(调用darwin-skill评估)
  • Fallback:无法调用Darwin时,Agent干跑3个测试prompt自评,≥75分才允许
  • 格式:### 🧬 踩坑经验 [日期] > 失败现象/根因/方案/失效条件
  • Git:🧬 L2进化: <skill名> - <摘要>

L3:行为规范层 → CLAUDE.md

  • 写入条件:全局行为约束、开发规范、安全边界
  • 审批:重要性high + 双重确认(先确认层级,再确认内容)
  • 格式:### 🧬 规范进化 [来源] > 规则/范围/生效时间
  • 额外:通知所有Bot「CLAUDE.md已更新」
  • Git:🧬 L3进化: <摘要>

触发机制

触发器A:关键词识别

级别 关键词 行为
紧急 以后、永远、每次、必须、一定、禁止 立即弹出进化卡片
标准 记住、下次、别再、不要再、记得 提示进化机会
温和 倾向、偏好、喜欢、习惯 记录候选池,批量审批

误触发保护:引用中/否定句/疑问句不触发或降级。

混合意图协议:检测临时状态+长期意图混合时,降级处理,标注"⚠️ 受临时情绪影响"。

语义模糊追问:意图不够具体时追问澄清,如"少说点开心的"→具体指减少emoji/正能量/闲聊?

触发器B:踩坑检测

指标 阈值
工具调用次数 >5次/对话
同操作重试 >3次
用户纠正 >2次
Git回滚 任何1次
操作超时 任何1次

时机:超阈值时内部标记,对话自然结束后统一处理。根因需用户确认后写入。

触发器C:定期复盘

每日HEARTBEAT/22:00任务后/用户主动请求时触发。读取记忆→识别重复模式→评估价值→过滤噪音→批量审批。


进化请求卡片(唯一标准格式)

🧬 进化请求 #<编号>

触发:<A/B/C> | 级别:<紧急/标准/温和>
建议记忆:> <一句话精炼表述>
⚠️ <情绪影响/意图模糊/根因待确认>(如有)
目标:L<1/2/3> → <文件路径>
评估:重要性<H/M/L> 复用性<H/M/L> 风险<无/低/中>
→ 「进化」|「进化 L2」|「忽略」|「修改」|「暂缓」

审批命令

用户回复 行为
进化 按建议层级写入+Git提交
进化 L1/L2/L3 覆盖层级后写入
忽略 跳过(负样本)
修改 <新内容> 替换后重新请求
暂缓 保留到下次复盘
确认根因 L2踩坑根因确认
修正根因 <新> 替换根因后继续

冲突检测与解决

写入前搜索现有规则:矛盾→用户选择保留哪个;重复→合并;层级冲突→建议升级。


安全边界

永远不能进化写入:安全约束、系统规则、核心身份、其他Bot专属规则。 内容限制:每条≤100字,不含代码/敏感信息。

诚实边界

  1. 不是真学习(写规则不是改权重),规则越多边际效益递减
  2. 噪音无法完全消除,需定期清理
  3. 冲突可能漏检(依赖文本搜索)
  4. L3风险最高,务必双重确认
  5. 过度进化→审批疲劳→质量下降
  6. L1/L3效果只能靠主观感受
  7. 语义模糊依赖用户澄清
  8. 根因分析可能错误

回答工作流

Step 1: 识别 → 扫描关键词/踩坑指标/复盘触发
Step 2: 提炼 → 去触发词,评估层级(L1/L2/L3),噪音过滤
Step 3: 请求审批 → 弹出卡片,L3双重确认
Step 4: 冲突检测 → 搜索现有规则
Step 5: 执行写入 → L2需Darwin评分,L3通知所有Bot
Step 6: Git提交 → "🧬 L<n>进化: <摘要>"
Step 7: 日志记录 → evolution-log.md + 计数器更新

版本:v2.1.0 | 作者:Shike | MIT-0