Menü
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。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
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"