Menu
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
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
Andrej Karpathy 编程行为准则（精简：精准修改、不废话、结果验证）。触发条件：代码编辑修改、精准改动需求、代码重构优化、测试验证、BUG修复、功能开发。
全局自动经验沉淀触发器 - 全程静默运行，自动判定场景并生成可复用 Skill，杜绝重复耗时思考与无效试错。触发条件：调试超时40秒、试错3轮未解决、同源场景识别。
Continue.dev 编程基础规则合集（基础：代码规范、中文注释、不啰嗦）。触发条件：代码编写规范、命名约定、函数设计、注释规范、代码整洁、SOLID原则、错误处理。
BAT 脚本标准化生成技能。AI 在编写、修改、生成 .bat 文件前必须主动调用本 Skill 加载规范。确保 UTF-8 编码、首行切 65001、子 bat 禁止重复 chcp、必须模拟双击自测。
BAT 脚本标准化生成技能。AI 在编写、修改、生成 .bat 文件前必须主动调用本 Skill 加载规范。确保 UTF-8 编码、首行切 65001、子 bat 禁止重复 chcp、必须模拟双击自测。
Browser Agent 调试方案（通用版）。触发条件：需要调试浏览器自动化脚本、验证发布流程、修复元素选择问题。核心原则：每步必截图、逐步验证、免登录调试。支持所有 AI 编程工具（Lingma/Cursor/Claude Code等），通过 CDP 连接到 CloakBrowser。
| 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