蜂群探路者 · 并行探索与智能收敛

什么时候会卡住

复杂任务往往没有唯一「正确路径」：需求含糊、技术选型各有利弊、调试时多种假设都说得通。单线推理容易早早锁死在局部最优，或者 habit-loop 规则覆盖不了的新局面，Agent 只能一条道走到黑。

机制：并行试探 + 权重收敛

本技能把蜂群觅食当成决策模型，对应关系很直白：

• 多路径并行：同时推进多套策略、方向或实现草案，而不是串行试完一个再试下一个。
• 信息素 ≈ 置信度权重：质量更高的中间结果获得更高权重，后续选择会优先沿这些路径展开。
• 挥发 ≈ 置信衰减：长期得不到验证的分支权重下降，避免陈旧假设占满上下文。
• 集体涌现：多次试探后把分支结果聚合，对外只呈现收敛后的较优解（过程默认不刷屏）。
• 摇摆随机：周期性扰动，用来跳出局部最优。

自动触发（无需你手动开关）包括：任务复杂且路径不明、同一问题存在多种合理解法、执行撞死胡同（回退并开新探索）、习惯规则失效，以及用户明确问「有没有更好的方案」时强制做完整蜂群搜索。

典型场景：模糊需求先并行 3 套方案再收束；多框架并行评估；多假设并行验证定位根因；文案多风格并行生成供挑选。

边界与注意

• 执行以自动运行为主：你感知到的多半是「系统在多想几个方案」，最终界面以最优结果为主；若要审计探索过程，可读 dreams/exploration-log.json。
• 资料中的「探索算法」「信息素更新规则」与「全脑系统联动」在 SKILL 正文未展开具体参数，使用时以实际 skill 包内配套文件与运行时行为为准，勿假设有未文档化的全局地图或中央调度器。