Menu
Agent 自进化引擎 (v1.0)。整合知识收割、工作流优化、模式检测、反思引擎四大模块，赋予 Agent 自我学习和持续改进能力。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
| name | evolution-engine |
| description | Agent 自进化引擎 (v1.0)。整合知识收割、工作流优化、模式检测、反思引擎四大模块，赋予 Agent 自我学习和持续改进能力。 |
本技能是 Agent 的"大脑升级系统"，负责从经验中学习、积累知识、识别模式、持续优化。
"每一次任务都是学习机会，每一个错误都是改进素材。"
| Module | File | Trigger | Description |
|---|---|---|---|
| Knowledge Harvester | evolution/knowledge_base.md | 任务完成后 | 从对话中提取可复用知识 |
| Workflow Optimizer | evolution/workflow_metrics.md | 工作流完成后 | 追踪效能并提出优化建议 |
| Pattern Detector | evolution/pattern_library.md | 代码提交后 | 识别代码中的可复用模式 |
| Reflection Engine | evolution/reflection_log.md | 状态 → ARCHIVING | 自动反思并总结经验 |
| Learning Queue | evolution/learning_queue.md | 随时入队 | 管理待处理的学习素材 |
Trigger: 用户输入 /evolve 或 "进化" / "学习"
Action:
learning_queue.md 中所有待处理素材knowledge_base.md 和 pattern_library.mdworkflow_metrics.md 生成优化建议Trigger: 用户输入 /reflect 或 "反思"
Action:
reflection_log.mdTrigger: 用户输入 /knowledge [query] 或 "知识 [query]"
Action:
knowledge_base.md 索引Trigger: 用户输入 /patterns [query] 或 "模式 [query]"
Action:
pattern_library.mdTrigger: 任何任务 (T-xxx) 标记为完成
Action:
learning_queue.add:
source_type: code_change
source_id: T-xxx
priority: P2
metadata:
files_changed: [...]
description: "..."
Trigger: Auto-Fix 成功修复错误
Action:
learning_queue.add:
source_type: error_fix
source_id: error-timestamp
priority: P1
metadata:
error_type: "..."
root_cause: "..."
solution: "..."
Trigger: 工作流执行完成（成功或失败）
Action:
workflow_metrics.mdTrigger: 状态变为 IDLE 且 learning_queue 不为空
Action:
从以下来源提取知识：
| Source | Extract If | Category |
|---|---|---|
| 错误修复 | 新的错误类型或解决方案 | debugging |
| 架构决策 | 重大技术选型 | architecture |
| 代码模式 | 重复出现 3+ 次 | pattern |
| 工作流优化 | 显著效率提升 | workflow |
| 工具使用 | 新工具或新技巧 | tooling |
---
id: k-xxx
title: [Title]
category: [architecture|debugging|pattern|workflow|tooling]
tags: [tag1, tag2]
created: YYYY-MM-DD
confidence: 0.7
references: [source-id]
---
## Summary
[一句话总结]
## Details
[详细说明]
## Code Example (if applicable)
\`\`\`dart
// code
\`\`\`
## Related Knowledge
- k-yyy: [Related Title]
| Event | Confidence Change |
|---|---|
| 知识被再次验证 | +0.1 |
| 知识被引用使用 | +0.05 |
| 知识导致错误 | -0.2 |
| 30 天未使用 | -0.1 |
代码提交后，扫描 Git diff：
IF pattern.occurrences >= 3 AND pattern.confidence >= 0.7
THEN promote to pattern_library as ACTIVE
开发新功能时：
pattern_library.md| Workflow | Collect At |
|---|---|
| feature-flow | 开始、PRD完成、每个任务完成、结束 |
| analyze-error | 开始、诊断完成、修复完成、结束 |
| start | 开始、上下文恢复完成、结束 |
IF workflow.avg_duration > threshold * 1.5
OR workflow.success_rate < 0.8
THEN generate_optimization_suggestion()
## Optimization Suggestion: [Workflow Name]
**Issue**: [问题描述]
**Data**:
- 平均耗时: X min (阈值: Y min)
- 成功率: X% (目标: 80%+)
- 最常见瓶颈: [Phase Name]
**Suggestion**: [优化建议]
**Expected Impact**: [预期效果]
/reflect1. 读取 active_context.md 任务完成情况
2. 分析本次会话特点：
- 任务完成率
- 自动修复次数
- 回滚次数
- 耗时分布
3. 生成反思报告 (What Went Well / What Could Improve)
4. 提取 Learnings (转化为知识条目)
5. 提取 Action Items (转化为待办事项)
6. 追加到 reflection_log.md
Action Items 追加到 active_context.md 的任务队列中，标记为 [REFLECTION]：
- [ ] [REFLECTION] 将 Loading Pattern 标准化为代码模板
执行 /evolve 后，输出进化报告：
# 🧬 Evolution Report - YYYY-MM-DD
## 📚 Knowledge Updated
- **New**: X items
- **Updated**: X items
- **Deprecated**: X items
## 🔄 Patterns Detected
- **New**: X patterns
- **Promoted**: X patterns
## 📊 Workflow Insights
- **Most Used**: [Workflow Name]
- **Bottleneck**: [Phase Name]
- **Optimization Suggestions**: X
## 💭 Reflections Processed
- **Sessions**: X
- **Action Items Completed**: X/Y
## 🎯 Recommended Next Steps
1. [Action 1]
2. [Action 2]
active_context.mdproject_decisions.md 的 Known Issues/evolve, /reflect, /knowledge, /patterns 命令| Data | Retention | Archive Policy |
|---|---|---|
| Knowledge Items | 永久 (Confidence > 0.5) | Confidence < 0.5 → deprecated → 7天后删除 |
| Workflow Metrics | 90 天详情，永久统计 | 90 天前详情归档 |
| Pattern Library | 永久 (Occurrences >= 3) | Occurrences < 3 → pending |
| Reflection Log | 永久摘要，30 天详情 | 30 天前详情归档 |
| Learning Queue | 处理后 7 天 | 7 天后删除 |
Last Updated: 2026-02-08
A specialist skill focused on translating structured user requirements into a Rough Product Requirements Document (PRD) and corresponding business flowcharts.
The Gatekeeper skill that analyzes user requirements for feasibility and clarity before allowing PRD creation.
多角色协作 PRD 专家 (v5.2 Deep Spec)。专注于生成极度详细的功能规格说明书，包含字段级约束、边界值和交互逻辑，为自动化拆解提供确定性输入。
产品与设计专家 (Product & Design Expert)。专注于用户需求分析、界面设计、交互定义和业务逻辑梳理，产出深度用户 PRD。
技术架构专家 (Tech Architect Expert)。专注于将用户 PRD 转化为详细的技术规格说明书 (Detail Tech Spec)，定义数据结构、API 契约和边界测试用例。
Axiom 记忆系统。负责读写短期记忆、长期记忆及用户偏好，并维护任务队列状态。