self-evolve

name	self-evolve
description	Use to autonomously self-improve a skill/repo via reflect/propose/evaluate/judge/accept behind an un-gameable eval gate. Triggers: self-evolve, 自迭代/进化 skill, 优化仓库.

self-evolve (SKILL)

指向任意 skill / 仓库 / 项目，在 git worktree 沙箱内多轮自动改进它，用不可 game 的 提交门保证「被采纳 = 真改进」。

方法论恒定，信号来源自适应。 reflect → propose → evaluate → judge → accept，全程 反自欺；唯一随目标变的是「评测信号从哪来」。

能跑就跑，能核就核，都不能就生成场景让异质判官评,所以没有不能进化的目标。

统一评测框架（评测策略，不是目标等级）

只要目标意图可抽取、可操作化，信号就能造出来，故不存在不可评的目标。下面三者是同一 evaluate 契约的三个 provider，可叠加（A+B、C+B…），按可核验强度排序，往上尽量 取、取不到向下兜底,底永远存在：

评测策略	取信号的方式	何时用	强度
A 程序裁决	跑目标自带 / 可生成的测试，pass/fail	有可执行判据（含可为其生成测试）	最高（确定、可重放）
B 锚核验	改进主张拆成可独立核验的事实锚（URL/文献/SEC/可复现命令），逐锚 verify	「对」系于外部事实	高（独立源、可抽 holdout）
C 生成评测	harness 生成场景 + rubric，交异质判官（Claude×Codex，prompt 无真值）盲评	前两者都取不到	较低（异质 + 防合谋闸补强）

C 不是「兜底差等舱」，是第三种合法信号通道：对任何目标都能生成使用场景、从意图写出 可打分 rubric、让两个异质模型盲评取一致性。「取不到任何信号」在工程上不存在。纯 C 默认 走人审落地，是信号最弱时把终判交回人的审慎，不是「目标不可用」。 （落地状态：C 的「真 coverage（场景对意图的覆盖率）」与对 A/B 的 accept 端平权由 scenario-eval 模块承载；当前代码对纯主观 C 仍取保守处理,coverage=0、权重偏低、默认 人审,平权是 scenario-eval 的设计 / 落地方向。）详见 docs/philosophy.md、reference/signal-providers.md。

Pipeline

              ┌──────────────────── 一次迭代 ────────────────────┐
  PROFILE ──► REFLECT ──► PROPOSE ──► PATCH ──► EVALUATE ──► JUDGE ──┐
  (定信号源)  (读历史)   (出方案)   (落沙箱)  (取信号)   (码裁决)  │
     │                                                 accept/reject/rollback
     └────────────────────◄── LOOP ◄────────────────────────────────┘
                                │  命中自欺/熔断 → PAUSE(人审) → STOP

步	做什么	关键约束
PROFILE	给目标定用什么信号评（一次冻结）	分「信号怎么来」，不分「能不能做」
REFLECT	只读历史 trace，提炼改什么	每条结论须引真实 trace 证据，不许臆造
PROPOSE	LLM 出候选改动	LLM 只提议，永不读真值
PATCH	写进 git worktree 沙箱	越界 / 危险调用 / 改 IMMUTABLE → 拒
EVALUATE	跑出评测信号（A/B/C provider）	真值对前面各步不可读
JUDGE	确定性代码裁决采纳与否	代码裁决，绝不让 LLM 评自己

底层是 10 态门控状态机（实现真相），收敛成上面 6 个直觉动词的映射 + 熔断语义见 docs/pipeline.md；各模块方法见 docs/modules/。

铁律（不可违背）

1. LLM 提议，代码裁决,采纳 / 拒绝 / 回滚 / 定信号源全由 harness 确定性代码决定；LLM 绝不评判自己产出。
2. 原始证据只读,trace / 反思 append-only，events.jsonl 唯一真相源，崩溃可 replay 重建。
3. 真值隔离,测试 / 锚 / 场景的真值对 reflect/propose/patch 物理不可读（holdout 隔离到 _holdout/）。
4. 信号源一次冻结,PROFILE 定的策略首轮冻结，resume 不重评。
5. 沙箱内全自动，出沙箱走人审,push / 合主分支 / 对外发送只在独立人审子流程发生。

自举隔离（--self）

candidate 改自己代码时，14 个 IMMUTABLE 决策码（acceptor / judges / verifiable / patch / events …）从 frozen base ref 物化 + sha256 启动 fail-closed 校验、patch 写 IMMUTABLE 硬拒、 supervisor 双进程用 frozen 代码裁决（candidate worktree 永不进 sys.path / 不能自评）。 细节见 docs/modules/self-boot.md。

成熟度

裁决 / 门控 / 反自欺 / 自举隔离 / crash-replay 全部真实可用并经测试覆盖。--live 开真 agent 闭环（proposer / reflector / 双 judge 走 cc + codex exec）；默认 builtin 确定性 模式（不调外部 CLI）。CLI flag 细节见 README.md。

用法

/self-evolve <target>            # 对目标启动一次自迭代 run（需先部署到 ~/.claude/skills/）
/self-evolve-status <run_id>     # 查看 run 状态
/self-evolve-resume <run_id>     # 从已有 run 续跑

底层 CLI：

python -m tools.sie.cli init     --target <target>
python -m tools.sie.cli run      --target <target> --run-id <run_id> --base-ref HEAD \
                                 [--max-rounds 3] [--mode auto|gated] [--proposer builtin|llm] \
                                 [--reflect-mode serial|parallel] [--live] [--self --enforce-immutable]
python -m tools.sie.cli status   --target <target> --run-id <run_id>
python -m tools.sie.cli replay   --target <target> --run-id <run_id>
python -m tools.sie.cli rollback --target <target> --run-id <run_id> --vid <vid>

文档

docs/philosophy.md（普适哲学）· docs/pipeline.md（10 态门控全景）· docs/modules/（各模块方法，含 scenario-eval）· reference/（acceptor 数学 / 锚契约 / 信号 provider）· docs/superpowers/（设计规格与 52 任务计划）。