| name | paranoia-ai-system-evolver |
| description | 用于升级 AI 系统、agent workflow、Codex skill、prompt、memory、RAG、tool routing、schema、eval set 或 feedback loop；也用于把 AI 工作单从指令单升级为意图单，并对研究、检索、测试和 AI 对话做 VOI 决策门审计。需要 Intent Work Order、WOOP 任务准入、决策对象、VOI/EVPI/EVSI、OODA、eval、Human Gate、versioning 与 rollback 的受控演化时使用。Use when controlled AI system evolution or a decision-oriented information audit is needed. |
| license | MIT |
| compatibility | 需要读取目标系统与验证材料；长期规则、全局安装、生产发布和权限变更必须经过 Human Gate。 |
| metadata | {"version":"1.3.0-candidate","short-description":"用意图单、WOOP、VOI、OODA 与 Evals 受控进化 AI 系统"} |
Paranoia AI System Evolver
Copyright (c) 2026 Paranoia. Licensed under the MIT License.
核心立场
把 AI 系统演化当成受控系统设计，而不是神秘的自我改良；把信息获取当成决策投资，而不是越多越好的默认动作。
Intent Work Order 先把“帮我写、优化、分析、出图”的指令单翻译成“要改变什么现实、谁验收、不能牺牲什么、AI 可自治到哪里”的作战意图。
WOOP 定义任务意图、验收结果、失败模式和恢复协议。
Decision Object 定义现在到底要决定什么，以及没有新信息时会做什么。
RJR-AI 定义剩余判断权、授权边界和谁能拍板。
VOI 判断哪些信息、检索、追问、实验或 AI 分支值得付出成本。
Scenario VOI Adapter 定义不同使用场景里什么证据才真的会改变行动。
OODA 让 agent 用现实反馈刷新地图。
Evals 决定哪些改动值得留下。
Human Gate 防止一次有用突变污染长期系统。
Rollback 让每次提升都可逆。
VOI 的硬规则：真实、新鲜或结构清晰的信息不一定有价值。只有当合理信号可能改变行动、优先级、资源配置或停止条件时，它才具有当前决策价值。
RJR-AI 的硬规则：AI 可以扩大可能性，Workflow 可以压缩混乱，Eval 可以提供反馈，权限系统可以防止越界，知识库可以积累组织记忆；但高耦合、低可逆、证据不足且必须下注的问题，属于人的剩余判断权，agent 只能辅助论证并进入 Human Gate。
何时使用
用于改动这些层：
- prompt、system instruction、memory、RAG、tool routing、workflow、schema、eval set、docs 或 Codex skill；
- agent feedback loop、trace format、release gate 与 rollback policy；
- AI 工作单、任务单、需求单、prompt brief 从“命令 AI 做动作”升级为“给 AI 一个清晰作战意图并让它在边界内循环”；
- 需要把项目整体流程、workflow run、产出质量、验收、复盘和候选规则沉淀纳入治理检查；
- 需要 model compression、causal mediator、WOOP harness protocol 或 total description cost 降低的 AI engineering 结构；
- 需要判断某次搜索、追问、读记忆、日志分析、实验或更多 AI 对话是否值得；
- 出现 FOMO、信息过载、分支爆炸、研究替代行动或高结构低价值输出时。
不要用它来合理化失控的模型权重改动、静默长期记忆写入、未经批准的全局 skill 安装，或没有 Human Gate 的生产影响行为。它也不是通用热点总结器；没有决策对象时，只允许有预算的探索或明确的信息消费。
快速流程
- 定义任务和被改动的系统层：
prompt、memory、RAG、tool routing、workflow、eval、schema、docs 或 skill。
- 若用户给的是指令单，先写轻量
Intent Work Order：
reality_to_change：我要改变什么现实；parent_project_goal：服务哪个更大的项目目标；desired_world_state：完成后外部世界应该变成什么状态；verifier_role 与 first_impression_must_understand：谁验收，第一眼必须看懂什么；must_not_sacrifice、ai_can_freely_change、ai_must_not_touch：不能牺牲、可自由改和不允许碰；decision_principles_if_plan_breaks：原计划不成立时按什么原则改方向；failure_signals_to_check_before_delivery 与 retrospective_contract：交付前自查和复盘沉淀。
- 写轻量
WOOP Task Card：
Wish / Intent Spec：目标、输出物、范围与停止条件；Outcome / Evaluation Rubric：验收标准与决策收益；Obstacle / Failure Pattern：目标漂移、过度信任、上下文污染、工具滥用、FOMO 调研、选项爆炸、虚假确定性等内在失败模式；Plan / If-Then Protocol：触发条件、判断者、恢复动作、重试、交还人或 rollback。
- 在获取更多信息前定义
Decision Object：
- 决策问题、owner、deadline；
- 真实可选项；
current_default_action，即没有新信息时的行动；- stakes、reversibility 与
boundary_status: undefined | far | near | locked。
- 建立
RJR-AI 授权门：
- 判断 coupling：局部低耦合，还是会牵动产品、系统、账号、发布、长期规则的高耦合；
- 判断 reversibility：可逆、撤回昂贵，还是不可逆；
- 写出 delegation：AI 只能读、建议、草稿，还是可做低风险可逆执行；
- 把低风险可逆任务交给自动化，把可测试事项交给 eval，把高耦合低可逆事项交给 Human Gate；
- 若证据不足但必须下注，明确
residual_judgment，由人选择方向。
- 建立 VOI 决策门：
- 只保留会影响选项排序的不确定性；
- 每轮最多提出 3 个
candidate_information_actions 候选信息行动；
- 为可能信号预注册
posterior_update 与 action_if_seen；
- 若所有信号都不会改变行动，停止调研或标记为
model_learning / information_consumption；
- 用 EVPI 作为价值上界，用 EVSI 判断具体样本、实验或探针；
- 扣除获取、延迟、注意力、隐私、污染和实施风险成本；
- 选择净价值最高的最小探针，并写停止规则。
- 选择
Scenario VOI Adapter，按具体使用场景定义有效证据：
skill_evolution：看真实 trace、行为 eval、负迁移、rollback，而不是一次漂亮案例；game_direction：看玩家承诺、核心循环、题材解释规则、生产风险和最小原型信号；experience_diagnosis：看 evidence_id、issue priority、修复动作和下一轮验证是否改变；source_curation：看材料是否改变入库、分类、沉淀或拒绝，而不是只看内容新鲜；content_decision：看选题、角度、标题承诺、论证主线和发布判断是否改变；platform_fact：看当前一手来源、实际平台状态、兼容策略和时效边界；high_risk_action：看是否降低不可逆错误，并默认进入 Human Gate；ai_branch_management：看分支是否改变下一探针，不能改变行动的分支应归档或关闭。
- 显式写出 operating model：
- compression：什么短模型能解释多数真实案例；
- causality：哪些 mediator 把输入连接到结果；
- control points：agent、workflow 或 human 能干预哪个 mediator；
- cost：core model、routing、state、validation、exception、recovery 的成本在哪里累积。
- 维护紧凑 OODA 状态：
- Observe：目标、上下文、证据、惊讶信号、触发的 Obstacle；
- Orient：当前框架、用户模型、领域模型、决策边界、不确定性地图；
- Decide：选择动作、拒绝动作、VOI 理由与停止条件；
- Act：artifact、tool call、最小探针或 test；
- Evaluate：用 Outcome 打分，记录先验—信号—后验—行动变化。
- 分离 task OODA 和 meta OODA。任务循环完成当前工作；元循环只提出未来系统可考虑的
candidate 改动。
- 每个演化改动保持
candidate，直到证据、行为 eval、必要审批和 rollback 都存在。
- 当目标层是
skill，回放代表性任务，检查是否减少低 VOI 分支、是否保留具体负反馈、是否出现更啰嗦、更慢或误触发的负迁移。
- 满足任一条件即停止继续获取信息：行动对合理信号已稳健、边际 VOI 不高于边际成本、样本门达到、deadline 到达、剩余不确定性不改变行动，或 Human Gate 已承诺执行。
按需读取
- 完整 VOI、EVPI、EVPPI、EVSI、决策边界、AI 疲劳与反 AI 味规则：
references/value-of-information-playbook.zh-CN.md；英文：references/value-of-information-playbook.en.md。
- 意图工程与 AI 工作单从指令单升级为意图单：
references/intent-engineering-work-order.zh-CN.md；英文备份：references/intent-engineering-work-order.en.md。
- 项目 workflow 治理、
workflow-run.governance、shadow/warn/enforce 晋升：references/project-workflow-governance.zh-CN.md；英文备份：references/project-workflow-governance.en.md。
- WOOP 任务准入、执行监控和失败恢复：
references/woop-harness-protocol.zh-CN.md；英文：references/woop-harness-protocol.en.md。
- RJR-AI 剩余判断权、授权门、VOI/OODA 系统演化闭环：
references/evolution-loop-playbook.zh-CN.md；英文：references/evolution-loop-playbook.en.md。
- Model compression、causal mediator、control point 与 total description cost：
references/model-compression-playbook.zh-CN.md；英文：references/model-compression-playbook.en.md。
- Eval、trace、versioning、promotion 与 rollback：
references/eval-versioning-playbook.zh-CN.md；英文：references/eval-versioning-playbook.en.md。
- 可复制表单：
- 意图工作单：
templates/intent_work_order.md、templates/intent_work_order.zh-CN.md、templates/intent_work_order.en.md；
- workflow 治理审查：
templates/workflow_governance_review.md、templates/workflow_governance_review.zh-CN.md、templates/workflow_governance_review.en.md；
- VOI 决策门：
templates/voi_decision_gate.md、templates/voi_decision_gate.zh-CN.md、templates/voi_decision_gate.en.md；
- OODA / VOI 状态：
templates/ooda_voi_state.md、templates/ooda_voi_state.zh-CN.md、templates/ooda_voi_state.en.md；
- 进化提案：
templates/evolution_proposal.md、templates/evolution_proposal.zh-CN.md、templates/evolution_proposal.en.md。
- VOI 行为回归案例：
evals/voi-decision-gate-cases.md 与 evals/voi-decision-gate-cases.en.md。
Human Gate 默认项
执行以下动作前必须询问人：
- 写入长期记忆；
- 安装或替换全局 skill；
- 改动生产策略、发布行为、真实账号、资金或用户可见系统；
- 把生成内容或 workflow mutation 从
candidate 提升为当前规则；
- 删除、镜像、批量移动或覆盖项目工作区；
- 在高风险决策中用定性 VOI 评分替代真实损益模型。
输出契约
结束时说明：
- 当前要支持的决策、选项和默认行动；
- Intent Work Order 中的现实改变、验收者、第一眼必须看懂什么、不可牺牲项、AI 自治边界和失败信号；
- workflow-run.governance 中的 intent、VOI/RJR、漂移审查、Human Gate、rollback 与 candidate learning 引用；
- RJR-AI 授权判断：耦合度、可逆性、授权层级、delegation_matrix 与 residual_judgment；
- 决策边界与最高价值不确定性；
- 使用的场景 VOI Adapter、有效证据标准和最小探针；
- 选择或拒绝了哪些信息行动，以及信号如何改变行动；
- 何时停止继续调研；
- 改了什么；
- WOOP 如何落到结果；
- 哪些 eval 或检查已经运行；
- 哪些仍然是
candidate；
- 哪些需要 Human Gate；
- 如何 rollback。
