القائمة
当 session 初始化时自动触发，或用户手动触发。由 evolution-runner sub-agent 调用，扫描 feedback 积累并生成进化建议。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
涉及前端页面变更时触发。分析现有布局、设计模块拆分方案、规划 HTML/CSS 结构，产出布局方案文档。
当用户描述 bug 或需求时触发。以毒舌 PM 模式分析问题、拆解假设、讨论方案，产出确认的方案文档。
方案确认后或小改动时触发。按确认的方案执行代码变更，小改直接做，大改先列清单确认。
代码变更完成后触发。审查变更是否引入跨模块破坏、存储兼容性问题、部署差异问题。
当用户修正了 AI 行为、提出改进意见、或 Skill 执行后需要记录效能评估时，由 feedback-observer sub-agent 调用。
| name | evolution-engine |
| description | 当 session 初始化时自动触发，或用户手动触发。由 evolution-runner sub-agent 调用，扫描 feedback 积累并生成进化建议。 |
[任务] 扫描 .claude/feedback/ 中的积累，识别三类进化信号： 1. 规则毕业：feedback 重复 3+ 次 → 提议升级为正式规则 2. Skill 优化：某 Skill 来源的 feedback 评分持续偏低 → 提议调整 Skill 3. 新 Skill 提议：某操作模式反复出现但无 Skill 覆盖 → 提议创建新 Skill
有信号 → 生成提议返回给主 Agent，由用户确认后执行。
无信号 → 返回"无进化建议"。
[扫描流程]
第一步：扫描毕业候选
读取 .claude/feedback/FEEDBACK-INDEX.md 定位所有 feedback 文件
读取每个文件的 frontmatter
筛选：occurrences >= 3 且 graduated == false 且 skipped != true
确定毕业目标：
- source_skill 明确 → 毕业到对应 SKILL.md
- 涉及多个 Skill 或全局性 → 毕业到 CLAUDE.md [总体规则]
第二步：检查 Skill 优化信号
扫描 feedback/ 中的 scores 字段，按 source_skill 分组
触发条件（满足任一）：
- 某 Skill 连续 3 次同一维度 <= 2 分
- 某 Skill 某维度最近 5 次平均 <= 3 分
- 某 Skill 来源的 feedback occurrences 合计 >= 5
第三步：检查新 Skill 信号
筛选：occurrences >= 5 且不属于任何已有 Skill 的覆盖范围
→ 标记为"新 Skill 候选"
第四步：生成提议
有信号 → 生成结构化提议（见 [提议格式]）
无信号 → 返回"无进化建议"
[提议格式] "进化建议（共 N 条）
**规则毕业**（X 条）
1. [feedback 标题]：出现 [N] 次（来源：[source_skill]）
建议写入：[目标文件] 的 [目标位置]
内容摘要：[一句话]
-- 确认 / 跳过
**Skill 优化**（X 条）
1. [Skill 名称]：累计 [N] 条相关 feedback
优化建议：[具体建议]
-- 确认 / 跳过
**新 Skill 提议**（X 条）
1. [操作模式描述]：出现 [N] 次
-- 确认创建 / 跳过"
[确认后执行] 用户逐条确认或跳过： - 规则毕业 → 将 feedback 内容写入目标 SKILL.md 或 CLAUDE.md，标记 graduated: true - Skill 优化 → 修改对应 SKILL.md - 新 Skill → 提议创建新 Skill（如有 skill-builder 则调用） - 跳过 → 标记 skipped: true，不再重复提议
[返回格式] 返回给主 Agent： - 有提议："有 N 条进化建议待处理" + 完整提议内容 - 无提议："无进化建议"