EvoSkill 失败轨迹进化

失败轨迹是没人认领的金矿

编码代理上线之后，真正的信号往往不在成功用例里，而在那些跑挂的轨迹中：定位脚本在错误的目录结构上反复重试、补丁工具在接口重构后生成过期调用、测试循环在同一个断言上反复卡死。团队通常把这些日志直接归档，或者事后补一条「偶现」的 issue，结果同一个失败模式下个月换个文件名又出现一次。

EvoSkill 的出发点是把失败当成可挖掘的信号：先收集失败的 agent 运行轨迹，从中抽取仍值得保留的局部策略，生成候选技能变体，再对它们做一轮回归验证。

它如何工作

核心流程分三步：

• 轨迹挖掘：扫描失败的 agent run，定位可复用的子策略，而不是只总结整体失败原因
• 候选生成：把可行的策略沉淀成候选技能变体
• 基准筛选：用你指定的 benchmark 或任务集给变体打分，只保留相比 baseline 有真实提升的版本

「只保留有提升的变体」是这套方法的关键约束。候选技能不会被无脑写进技能库，而是先在统一基准上和当前 baseline 对齐比较，劣化的版本直接丢弃。技能库因此不会随时间膨胀成没人敢动的黑盒。

适用边界

这个技能有明确的前提条件：

• 需要 Python 3.12+ 环境
• 需要至少一个受支持的编码代理，例如 Claude Code、OpenCode、OpenHands、Goose 或 Codex CLI
• 需要你自己准备 benchmark 或任务集——没有评估集，就无从判断哪个变体算「改进」

换句话说，EvoSkill 负责的是优化回路，评估标准仍由你定义。它也不适合零样本冷启动：初始轨迹集质量太差时，抽取出的策略可能比没有更糟。上游文档提到 Discord 社区，那只是交流渠道，不是功能依赖。