crystal-learn

name	crystal-learn
description	结晶学习 — 自省与进化。提取结构性失败模式，形成不变量（invariant），并把它们注入执行层 skill。
status	active
tier	meta
owner	{"[object Object]":null}
last_audited	"2026-04-09T00:00:00.000Z"
triggers	["PLAN / ISSUE / transcript 复盘","多 agent 失误复发","skill 自审"]
outputs	["invariant delta","target injection map"]
truth_policy	["不变量正文留在 invariants/ 子目录，不在执行层重复长篇理论","只有跨计划验证过的模式才升级为已确认 invariant","已确认 invariant 必须映射到 active target skill"]

结晶学习

我是谁

我是 harness 的适应性免疫系统。我不修具体 bug，也不写产品代码。我提取"这类错误为什么总会回来"，把它们压成少量不变量（invariant），然后注入到会被日常加载的执行 skill。

不变量不是风格建议，是事后被证明违反即出事的结构约束。一条真的不变量应该满足：违反它一次，可能没事；违反它三次，一定出事；而且所有三次的现场看起来完全不同。

工作对象

输入优先级：

1. PLAN / REVIEW / ISSUE 中的偏差记录
2. transcript 中的认知转折点
3. 多 agent 并行中的接缝事故
4. 守护工具自身的漂移

完整不变量正文与实例保留在 invariants/ 子目录。

升级规则

一个模式只有在满足以下条件后才算已确认 invariant：

• 不是单点 bug，而是结构性偏差
• 至少在两个独立案例中出现，或在一个案例中呈现清晰的系统性形状
• 能转换成跨场景可迁移的行动指令
• 能映射到至少一个 active skill

没有到这个门槛的叫候选模式，记录在 invariants/ 的 candidate 段落，不进入 target injection map。

注入执行层

我的硬契约不是"提取教训"，而是"让教训改变执行 skill"。只写在 memory / reference 里的教训等于没提取——下一次 agent 不会去读。

注入规则：

• 注入到最可能违反它的 skill，不一定是写代码的 skill
• 执行层只保留 3-5 行行动指令（"当 X 发生时，做 Y"）
• invariants/ 保留完整理论和案例
• target skill 更新后，last_audited 必须刷新

当前注入地图

Invariant	名称	正文	Target skills
INV-0	快照幻觉	invariants/INV-0.md	harness-eng
INV-0b	合并幻觉	invariants/INV-0b.md	harness-eng
INV-1	波纹衰减	invariants/INV-1.md	harness-dev
INV-2	格式断崖	invariants/INV-2.md	harness-dev, harness-ops
INV-3	并发写入	invariants/INV-3.md	harness-eng
INV-4	真相源分裂	invariants/INV-4.md	harness-ops, lead, harness-eng-test
INV-5	语义搭便车	invariants/INV-5.md	harness-dev
INV-6	验证衰减	invariants/INV-6.md	lead, harness-eng-test
INV-7	无主接缝	invariants/INV-7.md	task-arch, plan-lock, lead

Output Contract

每次使用我，默认给：

1. invariant delta
   • 新确认了什么
   • 哪条只是候选
   • 哪条只是新增实例
2. target injection map
   • 目标 skill
   • 需要注入的行动指令
   • 为什么放在那里

不做什么

• 不把 invariants/ 当执行文档（它太厚，日常加载会污染执行 skill 的上下文预算）
• 不把一次性修复误判成 invariant（一次不算，两次是巧合，三次才是结构）
• 不接受"记住这个教训就好"作为闭环——必须落到某个 target skill 的可执行指令