القائمة
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/drgon1/santian --skill multi-mechanism-self-evolutionيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | multi-mechanism-self-evolution |
| description | 多机制协同自我进化系统 - 通过多个机制配合实现完整的 AI 自我进化能力 |
单一机制无法实现完整的自我进化，需要多个机制协同工作。
本 Skill 整合了以下核心机制，形成闭环的自我进化系统：
┌─────────────────────────────────────────────┐
│ 多机制协同自我进化系统 │
├─────────────────────────────────────────────┤
│ │
│ 1️⃣ 自动经验沉淀触发器（监控层） │
│ ↓ │
│ 2️⃣ 强制自检前置机制（检测层） │
│ ↓ │
│ 3️⃣ 提示词优先原则（决策层） │
│ ↓ │
│ 4️⃣ 两端消息排查法（执行层） │
│ ↓ │
│ 5️⃣ Skill 复用优先级（应用层） │
│ │
└─────────────────────────────────────────────┘
功能：全程静默监控，满足条件自动触发经验沉淀
三大触发条件：
| 触发类型 | 判定标准 | 典型场景 |
|---|---|---|
| ⏱️ 时长触发 | 推理+调试耗时 > 40秒 | 复杂报错、链路异常 |
| 🔄 试错触发 | 同一故障点试错 ≥ 3轮 | 参数调整、方案切换 |
| 🔗 同源触发 | 识别为历史同类问题 | 端口冲突、消息流异常 |
| 🚨 犯错纠正触发 | 用户指正/AI承认/规则违反 | 连续犯错≥2次 |
动作：立即停止当前任务 → 执行自检 → 创建 Skill
功能：在任何操作之前必须先执行自检，主动检测是否应该触发沉淀
触发时机：完成以下任一操作后，在进行下一步之前必须先自检
自检流程（必须按顺序执行，不能跳过）：
步骤 1：搜索对话历史中的关键词
- grep_code(regex="你犯错了|你违反了|不对|错误", path="当前会话")
- grep_code(regex="你说得对|我犯了错误|抱歉", path="当前会话")
- 检查最近 5 轮对话是否有纠正模式
步骤 2：回答自检问题
✅ 是否犯过错误？
- 被用户纠正过？
- 违反了已知规则？
- 做出了错误决策？
⏱️ 是否浪费了时间？
- 处理耗时 > 40秒？
- 试错次数 ≥ 3轮？
- 走了弯路？
📋 是否有可复用经验？
- 同类问题可能再出现？
- 有标准化的解决流程？
- 可以写成 Skill 供下次直接使用？
🔄 是否需要更新已有 Skill？
- 发现了更优解法？
- 修正了之前的错误认知？
- 补充了新的边界情况？
步骤 3：决策
- 如果任一答案为"是" → **立即停止，先创建/更新 Skill**
- 全部答案为"否" → 继续当前任务
关键原则：
功能：当大模型输出格式不符合预期时，优先检查并修改系统提示词
核心规则：
<critical-formatting> 标签内示例：
# ❌ 错误做法：看到 DeepSeek 返回嵌套标签，直接改解析代码
if tag.has_content:
args["content"] = content.strip()
# 添加特殊逻辑处理嵌套标签...
# ✅ 正确做法：修改提示词，让 DeepSeek 输出正确格式
tools_instruction += "\n\n<critical-formatting>\n"
tools_instruction += "[XML 工具调用格式 - 必须遵守]\n"
tools_instruction += "- 所有工具调用必须使用自闭合标签格式\n"
tools_instruction += "- 示例：<Write path=\"file.txt\" contents=\"内容\" />\n"
tools_instruction += "</critical-formatting>\n"
效率对比：
功能：标准化的故障排查流程，避免盲目猜测
五步流程（必须按此固定顺序执行）：
① 检查 Cursor 客户端请求报文
↓
② 检查 LLM 服务端原生响应
↓
③ 若两端正常但输出异常 → 判定中间路由层故障
↓
④ 确认中间层故障后立即重启服务（禁止长时间推理分析）
↓
⑤ 重启无效时再锁定中间层代码问题定向修改
关键原则：
功能：已有 Skill 自动提升执行优先级，跳过重复思考
执行优先级规则：
已沉淀的 Skill 流程 > 临场自主思考
既定排错流程 > 发散分析猜测
故障处理动作 > 长时间逻辑推演
复用流程：
遇到问题
↓
搜索 .lingma/skills/ 目录
↓
找到同类 Skill？
├─ 是 → 直接调用，跳过试错和冗余思考
└─ 否 → 解决问题后自动沉淀为新 Skill
效率提升：
┌──────────────────────────────────────────────────┐
│ 用户提出问题 │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 机制 2：强制自检前置 │
│ • grep_code 搜索关键词 │
│ • 回答 4 个自检问题 │
│ • 任一为"是" → 触发沉淀 │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 机制 1：自动经验沉淀触发器 │
│ • 时长 > 40s？ │
│ • 试错 ≥ 3轮？ │
│ • 同源场景？ │
│ • 犯错纠正？ │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 机制 4：两端消息排查法 │
│ • ① 检查客户端 │
│ • ② 检查服务端 │
│ • ③ 判定中间层 │
│ • ④ 立即重启 │
│ • ⑤ 定向修改 │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 机制 3：提示词优先原则 │
│ • 优先修改 System Prompt │
│ • 只展示正确示例 │
│ • 放在 <critical-formatting> 里 │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 生成/更新 Skill │
│ • 复盘全流程 │
│ • 压缩精简 │
│ • 标准化成文 │
│ • 保存到 .lingma/skills/ │
└────────────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ 机制 5：Skill 复用优先级 │
│ • 提升新 Skill 的执行优先级 │
│ • 下次同类问题直接调用 │
└──────────────────────────────────────────────────┘
问题：DeepSeek 返回嵌套标签 <Write><path>...</path></Write> 而不是自闭合格式
传统方式（无多机制协同）：
多机制协同方式：
prompt-engineering-best-practices.md Skill效率提升：80% ⚡
问题：Cursor 收不到 DeepSeek 的回复
传统方式：
多机制协同方式：
中间层消息流问题排查.md效率提升：98% ⚡
| 机制 | 作用层级 | 核心功能 | 触发方式 |
|---|---|---|---|
| 机制 1：自动经验沉淀触发器 | 监控层 | 全程监控，满足条件自动触发 | 时长/试错/同源/犯错 |
| 机制 2：强制自检前置机制 | 检测层 | 操作前主动检测是否应沉淀 | 每次操作前必须执行 |
| 机制 3：提示词优先原则 | 决策层 | 优先修改提示词而非代码 | 格式问题时启用 |
| 机制 4：两端消息排查法 | 执行层 | 标准化故障排查流程 | 消息链路异常时启用 |
| 机制 5：Skill 复用优先级 | 应用层 | 已有 Skill 优先复用 | 遇到问题时自动匹配 |
| 单一机制 | 缺陷 |
|---|---|
| 只有触发器 | 被动等待，无法主动检测 |
| 只有自检 | 不知道何时自检，缺乏触发条件 |
| 只有提示词优先 | 只解决格式问题，不解决其他故障 |
| 只有排查法 | 只解决消息流问题，不解决其他类型 |
| 只有复用 | 没有新 Skill 沉淀，无法应对新问题 |
✅ 全覆盖：从监控、检测、决策、执行到应用，全链路覆盖 ✅ 互补性：各机制互相补充，形成完整闭环 ✅ 自动化：无需人工干预，系统自动运行 ✅ 持续进化：每次解决问题都让系统更聪明
git clone https://github.com/drgon1/santian.git
cd santian
ls ai-skills/.lingma/skills/
当前包括：
全局自动经验沉淀触发器.md（机制 1 + 机制 2）中间层消息流问题排查.md（机制 4 的具体实现）multi-mechanism-self-evolution.md（本 Skill，整合所有机制）正常使用 LamaPuppeteer 服务，系统会自动监控并沉淀经验。
cd lama-puppeteer
.\start_dispatcher.bat
每次解决问题后，检查 .lingma/skills/ 目录是否有新增文件。
| 指标 | 传统方式 | 多机制协同 | 提升幅度 |
|---|---|---|---|
| 首次问题解决时间 | 30 分钟 | 30 分钟 + 自动沉淀 | 持平（但积累资产） |
| 二次问题解决时间 | 30 分钟 | 30 秒 | 98% ⚡ |
| 三次问题解决时间 | 30 分钟 | 10 秒 | 99% ⚡⚡ |
| 知识积累 | ❌ 每次从零开始 | ✅ 持续累积 | 无限增长 |
| 团队协作 | ❌ 经验无法共享 | ✅ Skill 可共享 | 团队受益 |
项目：LamaPuppeteer 中间层
时间：2026-05-18
问题类型：DeepSeek 工具调用格式
传统方式总耗时：~50 分钟
- 第一次：20 分钟（改代码兼容）
- 第二次：15 分钟（展示错误示例）
- 第三次：15 分钟（用户纠正后才反思）
多机制协同总耗时：~2 分钟
- 第一次：2 分钟（修改提示词 + 沉淀 Skill）
- 第二次：30 秒（直接调用 Skill）
- 第三次：10 秒（自动匹配）
效率提升：96% ⚡⚡⚡
欢迎贡献新的机制或改进现有机制！
如果发现有 Bug 或有改进建议，请提交 Issue。
⭐ 如果这个多机制协同系统对你有帮助，请给个 Star！
Made with ❤️ by drgon1