技能介绍

为什么需要这套机制

常见的 Skill 优化往往陷入两个误区：要么让 Agent 完全自主改写代码，陷入 AI 评估 AI 的自指陷阱，最终演变成迎合打分的“奖励黑客”；要么仅仅根据表面分数堆砌无关章节。这套 Skill 自进化流水线（meta-orchestrator） 是专为已发布且有真实评测的 Skill 设计的决策层编排器，旨在用工程化纪律替代盲目试错。

核心工作流：受控闭环

本流水线不亲自下场写代码，而是负责指挥研究、审查与执行层，确保每一轮修改都有据可依：

启动判定（Step 0）：只有在 Skill 已发布且拿到明确评测报告时才启动，防止空转。
证据挖掘（Step 1）：调用 cognitive-amplifier 做外部正交验证，确认短板真实存在。
质量闸门（Step 2）：所有修复方案必须过 skill-charter-audit 的宪章审查，防止“改好一点坏三处”。
单轮执行（Step 3-4）：交由 skill-trace-optimizer 做最小对症修改，并按 need-to-skill-flow 的规范发布，发布前由你确认。
收敛判定（Step 5）：连续两轮边际收益归零或触发上限时，强制停车交还控制权。

边界与避坑指南

这套机制的出口闸门设定了明确的失效条件：如果底层评测指标本身失真，或用户需求漂移速度快于迭代周期，流水线会主动拒绝继续。它不适合从零编写新 Skill，也不适合只修一个点名缺陷的轻量场景。在快速模式下，你可以跳过重型研究底座直接采纳评测建议，但涉及核心逻辑重构时，必须走完整循环以避免引入未验证的偏见。