技能介绍

问题：跨会话的偏好漂移

在 Scaling Law 之后，真正稀缺的不再是算力，而是携带过程信号的偏好数据。但现实中的痛点更直接：你在某个会话里明确纠正过模型的输出风格，下次遇到类似任务，它又回到了老样子——上次被夸过的做法，这次完全没记住。结果是每次都要重新教，教到疲惫。

agent-asset-loop 要解决的就是这个跨会话重复教学问题。它把「用户教一次 → 永远记住 → 相似任务自动应用」变成可执行的流程。

工作原理：快速回路与慢速回路

这个技能是一个闭环编排器（meta layer / orchestrator），核心是统一资产契约：每个资产都是 {scenario, signal, type, content, tags, provenance, weight} 这样一条结构化记录，追加到中央注册表 assets.jsonl。编排器只读注册表，因此增删生产者不会破坏回路。

运行时做三件事：

任务启动时选择性注入：从注册表检索匹配资产，只把 top-k 匹配块注入当前 prompt。没有匹配就打印 (no matching assets) 并继续——绝不全量加载，这是它「更便宜且更贴近用户」的原因。
赞美/纠正时持久化捕获：检测到正向反馈写入 preference_positive（自动转 SFT demo），否定纠正写入 preference_negative 或 dpo_pair，安全拒绝对应 KTO，可验证的代码/数学任务对应 GRPO 轨迹。
资产积累后触发慢速回路：build_manifest.py 产出 manifest.json 和分信号数据集，交给沙箱外的外部训练器做微调，产出新权重或 LoRA。train_stub.py 留了接 HuggingFace TRL 或托管微调 API 的骨架。

适用边界

结构化捕获，不是自然语言笔记：资产必须可检索、可机器使用，散文式记录没有意义。
REFERENCE/SOP/FAILURE 不入权重：这类内容追求「立即可用」，更适合留在 RAG 池里，可控且可回滚。
评估门在慢速回路之前：微调前必须独立评估训练数据，防止坏资产被固化进权重。
快回路优先：注入是即时且零成本的，只有当资产超出上下文预算时才值得微调——训练是 YAGNI。
编排器是空的：它不绑定任何具体生产者。任何能通过 capture_asset.py 或直接向 assets.jsonl 追加合规记录的 skill、agent 步骤或手动笔记，都能接入这个回路。