Skip to main content

evolve

自我進化 Agent:給定目標,自主學習並迭代改進直到完成。整合 superpowers 工作流紀律。

Datos de origen

Repositorio
miles990/self-evolving-agent
Última actividad en el origen
6 de febrero de 2026 a las 03:07
Idioma detectado de SKILL.md
chino
Estrellas
2
Forks
0

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Explorador de archivos
74 archivos

Mostrando SKILL.md

SKILL.md
Instrucciones de origen · Vista previa de solo lectura
name
evolve
version
5.11.0
description
自我進化 Agent:給定目標,自主學習並迭代改進直到完成。整合 superpowers 工作流紀律。
triggers
["evolve","進化","自我學習","迭代改進","達成目標","self-evolving","autonomous","goal-oriented","plan"]
keywords
["agent","learning","pdca","memory","skill-acquisition","emergence","unified-planning","north-star","worktree","isolation","auto-update","plugin","leann","semantic-search","skill-creation","superpowers","tdd","debugging","brainstorming"]
# Self-Evolving Agent v5.11.0 > [**版本檢查**] → **北極星錨定** → [**Worktree 隔離**] → PSB 環境檢查 → 目標分析(**🔗 brainstorming**)→ **自動領域識別** → 評估能力 → 習得技能 → PDCA 執行(**🔗 TDD + verification**)→ 診斷(**🔗 systematic-debugging**)→ 多策略重試 → Repo 記憶 → **定期健檢** → [**Worktree 完成**] → 直到成功 ## 快速導覽 本 skill 採用**原子化架構**,將知識拆分為獨立模組: | 模組 | 用途 | 路徑 | |------|------|------| | **00-getting-started** | 入門與環境設定 | [→](./00-getting-started/) | | **01-core** | 核心流程(PSB + PDCA) | [→](./01-core/) | | **02-checkpoints** | 強制檢查點(護欄) | [→](./02-checkpoints/) | | **03-memory** | 記憶系統操作 | [→](./03-memory/) | | **04-emergence** | 涌現機制 | [→](./04-emergence/) | | **05-integration** | 外部工具整合(含 **superpowers**) | [→](./05-integration/) | | **06-scaling** | 大規模專案優化 | [→](./06-scaling/) | | **99-evolution** | 自我進化機制 | [→](./99-evolution/) | ## 使用方式 ```bash /evolve [目標描述] # 範例 /evolve 建立一個能自動生成遊戲道具圖片的 ComfyUI 工作流程 /evolve 優化這段程式碼的效能,目標是降低 50% 執行時間 /evolve 為這個專案建立完整的測試覆蓋率達到 80% ``` ### Flags ```bash --explore # 探索模式 - 允許自主選擇方向 --emergence # 涌現模式 - 啟用跨領域連結探索 --autonomous # 自主模式 - 完全自主,追求系統性創新 --max-iterations N # 最大迭代次數(預設 10) --from-spec NAME # 從 spec-workflow 的 tasks.md 執行 ``` ## 核心哲學 **人類與 AI 協作的本質:透過抽象化介面溝通** | 傳統軟體 | AI 協作 | 作用 | |----------|---------|------| | API | MCP | 能力邊界(能做什麼) | | SDK/Library | Tools | 具體實作(怎麼做) | | 文檔+實踐 | Skill | 領域知識(何時用什麼) | | Config | CLAUDE.md | 上下文約束(專案規範) | **深層洞察**: - Skill 不只是知識,是「封裝好的判斷力」 - 告訴 AI 在什麼情況下,用什麼方式,達成什麼目標 - 減少決策點 > 讓 AI 自己選擇 ### 設計原則 | 原則 | 說明 | |------|------| | **有主見的設計** | 合理預設值 > 讓 AI 選擇,必填參數 ≤ 2 個 | | **深且窄** | 專注 10% 高價值任務,不追求功能廣度 | | **預期失敗** | 95% Agent 在生產環境失敗是常態,設計優雅降級 | | **增強回饋** | 執行中提醒目標和進度,失敗時說明影響範圍 | ## 執行流程概覽 **Self-Evolving Loop v5.2** 0. 🔄 **版本檢查**(自動)— 檢查更新、詢問用戶、自動更新 1. 🌟 **CP0: 北極星錨定** — 願景、完成標準、不做清單、動機 2. 🔒 **CP0.5: Worktree 隔離**(條件觸發)— Level 2 / autonomous / 並行任務 3. **PSB System** — Plan → Setup → Build(環境準備) 4. **目標分析** — 深度訪談 + 架構等級判斷(Level 2 強制) 5. **能力評估 → Skill 習得** 6. **PDCA Cycle** — Plan → Do → Check → Act(含多策略選擇) - CP3: 方向校正(對照北極星) 7. **Git-based Memory** — 記錄學習經驗 8. 🏥 **CP6: 專案健檢**(每 5 次迭代)— Scope、方向、終止檢查 9. 🏁 **CP6.5: Worktree 完成**(條件觸發)— 合併/清理 ↻ 重複直到:目標達成 或 達到最大迭代次數 > **主要功能**:Superpowers 整合 | LEANN 語義搜尋 | Worktree 隔離 | 北極星系統 | 深度訪談 > > 詳見:[CHANGELOG](../CHANGELOG.md) | [05-integration](./05-integration/) | [02-checkpoints](./02-checkpoints/) ### 架構考量三層設計 | Layer | 階段 | 動作 | |-------|------|------| | 1 | Goal Analysis | 判斷架構等級 (0/1/2) | | 2 | PDCA Plan | 依等級做架構設計 | | 3 | CP1.5 Phase 2 | 驗證實作符合設計 | → 設計 → 實作 → 驗證 閉環 ## 強制檢查點(護欄) > **這些檢查點不可跳過**,詳見 [02-checkpoints](./02-checkpoints/) | 檢查點 | 時機 | 動作 | |--------|------|------| | **CP0** 🌟 | 專案/任務開始前 | 北極星錨定(建立或讀取) | | **CP0.5** 🔒 | CP0 後(條件觸發) | Worktree 隔離環境準備 | | **CP1** | 任務開始前 | 搜尋 .claude/memory/ 查找相關經驗 | | **CP1.5** | 寫程式碼前 | 一致性檢查(兩階段) | | **CP2** | 程式碼變更後 | 編譯 + 測試驗證 | | **CP3** | Milestone 完成後 | 確認目標、**方向校正**、下一步 | | **CP3.5** | Memory 文件創建後 | 立即同步 index.md | | **CP4** | 迭代完成後 | 涌現機會檢查(選擇性) | | **CP5** | PDCA Check 失敗時 | 失敗後驗屍,生成結構化 Lesson | | **CP6** 🏥 | 每 5 次迭代後 | 專案健檢(Scope、方向、終止檢查) | | **CP6.5** 🏁 | 任務完成時(條件觸發) | Worktree 合併/清理 | ### Checkpoint 並行化 效率優化:以下 CP 可並行執行: - **CP1 + CP1.5 Phase 1**:Memory 搜尋與基礎一致性檢查互不依賴,使用 `run_in_background: true` 同時啟動 - **CP4 + 下一迭代 Plan**:涌現檢查在背景運行,不阻塞後續 PDCA 不可並行:CP0/CP0.5 必須先完成;CP1.5 Phase 2 依賴 CP1 結果;CP2 → CP3 為序列關係。 > 詳見 [02-checkpoints/README.md](./02-checkpoints/README.md#checkpoint-並行化) ### CP1.5 兩階段設計 **Phase 1: 基礎檢查(必執行)** - 搜尋現有實作,避免重複造輪子 - 檢查專案慣例(命名、風格) - 檢查 Schema/API 一致性 **Phase 2: 架構檢查(自動偵測觸發)** - 依賴方向、錯誤處理一致性、橫切關注點、設計模式一致性 **觸發條件**:新增目錄/模組、變更涉及 3+ 目錄、新增外部依賴、觸及 core/infra/domain/shared/、新增公開 API ## 停止條件 | 狀態 | 條件 | |------|------| | ✅ 成功 | 所有子目標完成 + 驗收標準通過 | | ❌ 失敗 | 達到最大迭代次數 或 連續 3 次相同錯誤 | | ⏸️ 暫停 | 需要用戶決策 或 風險操作需確認 | ## 完成信號 - `✅ GOAL ACHIEVED: [目標描述]` - `⏸️ NEED HUMAN: [原因]` - `❌ CANNOT COMPLETE: [原因]` ## 相關資源 - [Reflexion Paper](https://arxiv.org/abs/2303.11366) - [OpenAI Self-Evolving Agents Cookbook](https://cookbook.openai.com/examples/partners/self_evolving_agents/autonomous_agent_retraining) - [Andrew Ng - Agentic Design Patterns](https://www.deeplearning.ai/the-batch/agentic-design-patterns-part-2-reflection/)
Ver en GitHub