evolve

name	evolve
version	5.5.0
description	自我進化 Agent：給定目標，自主學習並迭代改進直到完成。
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"]

Self-Evolving Agent v5.5.0

[版本檢查] → 北極星錨定 → [Worktree 隔離] → PSB 環境檢查 → 目標分析（深度訪談）→ 自動領域識別 → 評估能力 → 習得技能 → PDCA 執行（含方向校正）→ 診斷 → 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	→
01-core	核心流程（PSB + PDCA）	→
02-checkpoints	強制檢查點（護欄）	→
03-memory	記憶系統操作	→
04-emergence	涌現機制	→
05-integration	外部工具整合	→
06-scaling	大規模專案優化	→
99-evolution	自我進化機制	→

使用方式

/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

--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

💡 v5.2 新增：版本檢查與自動更新 — 每次啟動時檢查新版本

• 版本檢查：00-getting-started/_base/version-check.md
• 自動比較本地與遠端版本，詢問用戶是否更新

💡 v5.1 新增：Worktree 隔離環境 — 高風險任務的安全邊界

• CP0.5：Worktree 準備 → 02-checkpoints/_base/cp0.5-worktree-setup.md
• CP6.5：Worktree 完成 → 02-checkpoints/_base/cp6.5-worktree-completion.md
• 概述：06-scaling/_base/isolated-environments.md

💡 v4.4 新增：北極星系統 — 解決「做到後面迷失方向」的問題

• CP0：北極星錨定 → 02-checkpoints/_base/cp0-north-star.md
• CP3：方向校正 → 02-checkpoints/_base/cp3-milestone-confirm.md
• CP6：專案健檢 → 02-checkpoints/_base/cp6-project-health-check.md

💡 v4.3 新增：深度訪談模式 — 「寫 spec 最大的問題是你不知道自己漏了什麼」 詳見 01-core/_base/goal-analysis.md

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

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

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
• OpenAI Self-Evolving Agents Cookbook
• Andrew Ng - Agentic Design Patterns