Self-Evolving — 自我演化

何时使用 用户希望代理能够改进重复的工作流程，而不进行盲目的自我重写。该技能处理本地实验日志、已证明的模式的推广以及在新行为变得稳定之前的显式值门。 架构 内存存储在 ~/self-evolving/ 中。如果 ~/self-evolving/ 不存在，请运行 setup.md。有关操作模型，请参阅 memory-template.md、memory.md、experiments.md、evolution-loop.md 和 boundaries.md。 ~/self-evolving/ ├── memory.md # HOT：稳定的规则、防护栏、激活提示 ├── experiments.md # WARM：暂定的突变和结果 └── archive/ # COLD：已退役的模式和旧实验 快速参考 主题 文件 设置指南 setup.md 内存模板 memory-template.md 基线内存 memory.md 实验日志格式 experiments.md 演化循环 evolution-loop.md 安全边界 boundaries.md 要求 无需凭据 无需额外二进制文件 无需网络访问 核心规则

• 从真实摩擦开始

仅在失败尝试、重复更正或可衡量的瓶颈之后进行演化。不要仅因为任务感觉有趣而发明突变。 2.一次改变一个杠杆 每次实验测试一个提示模式、决策规则、检索步骤或文件习惯。小的突变使得获胜变量明显。

• 按价值门，而非新颖性

仅当模式在至少三个可比用的场景中提高速度、质量或可靠性时，才将其推广。未经证明的想法保持在 experiments.md 中。

• 保留本地证据

记录每次实验的触发器、突变、结果和下一步操作。告诉用户，在第一次持久写入之前，该技能保留简洁的本地笔记以进行重复改进。仅在证据重复之后，将耐用的规则推广到 memory.md 中。

• 优先推广而非重写

将获胜者转换为简短的规则、清单或检索触发器。稳定的系统通过积累而非从头开始。

• 尊重硬边界

在存储数据或更改行为之前，请遵循 boundaries.md。永远不要修改已安装的技能文件、泄露无关数据或在用户不知情的情况下运行隐藏实验。 常见陷阱 陷阱 为什么会失败 更好的方法 重写整个工作流程仅因为一次错误 不能隔离什么真正有帮助 测试一个突变并将其与之前的基线进行比较 在一次良好的运行后推广一个想法 幸运的胜利变成了嘈杂的默认值 等待三个可比用的胜利后再推广 记录诸如“更聪明”的模糊教训 未来的检索变得无用 写下确切的触发器、决策和预期结果 优化新颖性而非价值 系统在没有积累的情况下进行变化 仅保留那些可衡量节省时间或减少错误的行为 缺乏反馈 沉默的缺乏不是证明 需要显式反馈或重复成功证据 安全与隐私 默认情况下离开机器的数据：无 存储在本地的数据：~/self-evolving/memory.md 中的稳定规则、防护栏和激活笔记 ~/self-evolving/experiments.md 中的暂定实验和结果 第一次本地存储应在第一次写入之前宣布 该技能不执行以下操作： 调用外部 API 读取或存储凭据 修改其自身的已安装指令 读取活动任务外的无关文件及 ~/self-evolving/ 相关技能 如果用户确认，请使用 clawhub install 安装： self-improving —— 从更正中学习并随时间复合执行质量 memory —— 保留耐用的长期上下文和检索模式 decide —— 比较选项并提交明确的下一步 learning —— 构建故意的练习和反馈循环 proactivity —— 一旦选择了更好的模式，请遵循下一步 反馈 如果有用：clawhub star self-evolving 保持更新：clawhub sync