Agent自我反思与进化器

AI Agent 持续进化系统：每日经验沉淀+每周错误反思，正向提炼与负向纠偏合一。v3.0 新增 VFM 确定性验算、评分+衰减淘汰、WHERE×WHY 病理归档、主动 Skill 合成。触发词：记录错误、进化系统、自我反思、踩坑记录、self-evolve、self-improve。

木先生iPPT@muippt

Install

openclaw skills install @muippt/mu-self-evolve

IRON LAW：

记录的错误/教训必须基于实际发生的事件，禁止编造或臆测未发生的失败
提升规则到 MEMORY.md/TOOLS.md/SOUL.md 的阈值必须满足（Recurrence≥2 + VFM≥50 + 确定性验算通过），不可随意写入
所有文件修改必须用 read → write 覆写，禁止使用 edit 工具。 原因：本流程耗时长，edit 的 oldText 基于早期读取的内容构造，等到实际执行时文件可能已被其他会话修改，导致匹配失败。用 write 全量覆写不依赖文本匹配，天然避免此问题

无例外。

mu-self-evolve · 持续进化系统

把经验、错误、纠正、知识缺口沉淀为持久记忆，正向提炼 + 负向纠偏，形成完整进化闭环。

适用于任何基于 LLM 的 AI Agent（OpenClaw / Claude Code / Cursor 等），让 Agent 像人一样从经验中学习。

文件结构与领域标签见 references/file-structure.md

Claude Code 环境兼容说明见 references/claude-code-compat.md

⏰ 定时运转

首次引导流程

检查是否已有进化 cron：openclaw cron list 查找名称含"进化"或"evolve"的任务
若无 cron：询问木老师——"要不要设每天自动进化？推荐 19:30，你习惯几点？"

木老师确认后创建 cron：

bash

openclaw cron add \
  --name "🧬 每日自我进化" \
  --cron "30 19 * * *" \
  --tz "Asia/Shanghai" \
  --exact \
  --session isolated \
  --announce \
  --message "执行每日自我进化流程（见 mu-self-evolve SKILL.md）。今天是周几？如果是周五，额外执行【第六步：周度反思】。"

Claude Code 环境下用系统 crontab 或手动触发，详见 references/claude-code-compat.md

若已有：告知木老师当前配置，问是否需要调整

每日六步（周一到周日）

前置：读取今日日记

若 memory/$(date +%Y-%m-%d).md 不存在（今天还没有日记），跳到第六步发摘要说明"今日无日记记录"。

读取今日日记 — memory/YYYY-MM-DD.md 梳理当天经验
- 出口条件：今日日记已读完，提取出所有纠正/错误/新需求/正向反馈事件
分类录入（含冲突裁决） — 纠正→LEARNINGS.md，错误→ERRORS.md，新需求→FEATURE_REQUESTS.md。格式模板见 references/record-templates.md
- 出口条件：所有事件已录入对应文件，每条有唯一ID（LRN/ERR/FEAT-YYYYMMDD-XXX），复现检查已完成
- ⚠️ 写入铁律：录入/修改必须用 read → write 覆写（见 IRON LAW #3）
- ⚠️ 录入前冲突裁决（三选一）：
  - 录入前先 grep -i "关键词" .learnings/LEARNINGS.md 搜索同主题条目
  - 矛盾（同主题但结论相反）→ 覆盖旧条目（旧条目移入 archive）
  - 补充（同主题但可合并）→ 合并到同一条目，Recurrence-Count +1
  - 无关联 → 正常新增
- ⚠️ 容量检查：录入前先 wc -l .learnings/LEARNINGS.md，若 >500 行 → 运行淘汰评分脚本（见下方"淘汰机制"），根据建议先归档再录入；未超限则直接录入
- ⚠️ ERRORS.md 同理：录入前 wc -l .learnings/ERRORS.md，若 >300 行 → 运行淘汰评分脚本处理
- ⚠️ 复现检查：录入新条目前，先检查历史记录：
  bash
```
grep -r "Pattern-Key" .learnings/ .learnings/archive/
```
  若命中：从 archive 恢复该条目，Recurrence-Count +1，不新建重复条目
- ⚠️ 病理标注：每条 ERRORS/LEARNINGS 必须标注 WHERE（出错环节）和 WHY（根因类型），详见 references/record-templates.md
检查提升条件 — 对候选条目运行 VFM 验算脚本：
bash
```
python3 scripts/vfm_verify.py <pattern-key>
```
- 脚本输出置信度评分（0-100），基于复现次数、跨任务数、解决率、病理集中度
- 提升条件：脚本置信度≥70 + Recurrence≥2 + 跨2个以上不同任务 + VFM≥50
- 出口条件：满足条件的条目已标记为 promoted，不满足的留在 LEARNINGS.md 观察
- 未通过验算的规则可标记为 candidate（候选），待更多数据积累后重新验算
更新长期记忆 — 最重要 1-3 条洞察追加到 MEMORY.md（保持 ≤80 行）
- 出口条件：MEMORY.md 已追加新洞察且 ≤80 行（超限时已执行 mini 蒸馏）
- 追加后若超80行：先执行 mini 蒸馏（合并高度相似的条目、删除已过时的旧条目），再追加新洞察
- 判断条件：内容相同只是表述不同 → 合并保留更精准的一条；超过30天未触发的规则 → 移入「## 已归档」
- mini 蒸馏不等于周度蒸馏，只做局部合并，不生成 Narrative
- ⚠️ 写入铁律：修改 MEMORY.md 必须用 read → write 覆写（见 IRON LAW #3）
子Agent执行质量回顾 — 检查今日子Agent是否通读SKILL.md、产出是否符合规范
- 出口条件：已回顾今日子Agent执行情况，问题已记录到 LEARNINGS.md
发送摘要 — 通知木老师进化结果
- 出口条件：摘要已发送，包含今日录入数/提升数/关键洞察

周五加跑：第六步 — 周度反思（仅周五执行）

详细步骤见 references/weekly-reflection.md

概览（含关键判断条件）：

6a. 错误扫描 — 回顾本周日记，提取重复错误模式判断：同一类错误本周出现≥2次 → 进入 6c；仅出现1次 → 记录观察，不提规则
6b. 生成 Narrative — 写入 memory/narratives/YYYY-MM-DD.md，按 (WHERE×WHY) 病理键结构化判断：有可写内容（至少1条值得反思的模式）才生成；无内容则跳过，不强行凑字数
6c. 规则提议 — 重复≥2次的错误模式 → 提炼为行为规则判断：新规则与 MEMORY.md/SOUL.md 现有规则是否重复？重复则只强化措辞，不新增条目
6d. MEMORY.md 蒸馏 — 从本周日记沉淀新条目；删除已过时旧条目（移入「## 已归档」）；精简到≤80行判断：条目是否超过30天未触发？是 → 移入归档；两条意思相同？→ 合并保留更精准的一条
6e. 归档旧日志 — 超过30天的 memory/YYYY-MM-DD.md 和 memory/narratives/YYYY-*.md 移动到 memory/archive/（保留原文件名，不删除不合并）范围：同时覆盖 daily notes + narratives，两者用同一个 30天规则判断：以文件名日期为准，今天日期 - 文件日期 > 30天 → 移动
6f. 评分+衰减淘汰 — 运行淘汰评分脚本，替代行数硬截断操作：
bash
```
# 先做评委偏差审计
python3 scripts/bias_audit.py
# 再跑淘汰评分
python3 scripts/eviction_score.py
# 如需单独处理 ERRORS.md
python3 scripts/eviction_score.py .learnings/ERRORS.md
```
淘汰逻辑：effective_score = VFM × 0.5^(age_days/30)，半衰期30天
- effective_score < 25 且 age > 14天 → 建议归档
- 但 Recurrence≥2 的条目豁免（跨任务复现覆盖低分）
- 被检索命中时 Last-Seen 重置 → 衰减重置
- 容量超限时按 effective_score 从低到高归档（不再按行数截断） 通知格式：
text
```
🪶 淘汰评分：
- LEARNINGS: X条 → 保留N / 归档N / 当前行数X
- ERRORS: X条 → 保留N / 归档N / 当前行数X
- 偏差审计: PASS/FAIL
```
6g. 条目聚类扫描 + 主动Skill合成 — 识别可合成新 Skill 的条目群判断：本周 LEARNINGS 中≥3条条目属于同一领域/解决同一类问题 → 生成 Skill 草案操作：①扫描本周 LEARNINGS.md 全部条目的领域+摘要+WHERE+WHY ②按领域和病理类型语义聚类 ③每个聚类≥3条 → 生成 Skill 草案（SKILL.md 骨架 + 核心脚本框架） ④报告木老师确认后，走 mu-dev-workflow 创建新 Skill 与6f的联动：聚类时同时检查是否有条目已被标记为 candidate（未通过VFM验算的规则），若同一聚类的多条 candidate 互相印证 → 提升其置信度

淘汰机制说明

v3.0 用评分+衰减淘汰替代行数硬截断，核心公式：

text

effective_score = VFM × 0.5^(days_since_last_seen / 30)

状态	条件	处理
promoted	状态=promoted	移出至永久记忆
resolved+旧	状态=resolved 且 >30天	移至 archive
高复现	Recurrence≥2	豁免（不论分数和年龄）
仅1次+旧	Recurrence=1 且 >14天	标记 dormant，移至 archive
低分+旧	effective<25 且 >14天	移至 archive
正常	effective≥25 或 <14天	保留

被检索命中（grep 匹配到）时，Agent 手动更新 Last-Seen 日期 → 衰减重置

快速参考

情况	操作
命令/工具失败	记录到 `.learnings/ERRORS.md`，标注 WHERE+WHY
木老师纠正我	记录到 `.learnings/LEARNINGS.md`，category: correction
木老师正向反馈	记录到 LEARNINGS.md，category: positive_signal
木老师要我没有的功能	记录到 `.learnings/FEATURE_REQUESTS.md`
内部 API/MCP 失败	记录到 ERRORS.md，附接口和 token 状态，WHERE=api_call，WHY=具体根因
知识过时/有盲区	记录到 LEARNINGS.md，category: knowledge_gap
发现更好做法	记录到 LEARNINGS.md，category: best_practice
反复出现的模式	加 Pattern-Key，验算通过后提升
类似已有条目	录入前冲突裁决：合并/覆盖/新增

触发检测

自动识别以下信号并记录：

纠正信号 → LEARNINGS.md correction：

"不对"、"应该是"、"其实"、"你搞错了"、"重新来"、"不是这样的"
"我跟你说过"、"别再这样了"、"为什么总是"、"我之前就说了"、"停止做X"
木老师编辑/覆盖了我的输出

功能需求信号 → FEATURE_REQUESTS.md：

"能不能"、"有没有办法"、"帮我做个"、"我希望你能"、"为什么不能"

知识缺口信号 → LEARNINGS.md knowledge_gap：

木老师提供了我不知道的信息
我引用的接口/文档已过时
API 行为和我预期不符

错误信号 → ERRORS.md：

命令退出码非零
HTTP 4xx/5xx
Token 过期、认证拦截
超时或连接失败

正向反馈信号 → LEARNINGS.md positive_signal：

"好"、"可以"、"对"、"行"、"就这样"、"不错"、"喜欢这个"
"这个格式好"、"这次写得好"、"比上次好"
木老师对特定输出未纠正且直接采用（隐式正向）

偏好信号 → LEARNINGS.md best_practice：

"我喜欢你这样"、"以后都这样"、"永远不要Y"、"我的风格是"
木老师对特定方案明确赞许

提升到永久记忆

经验类型	提升目标	示例
行为风格、原则	SOUL.md	"输出用数字序号不用 bullet"
工作流、子Agent规则	AGENTS.md	"有专属子Agent先分配给子Agent"
工具使用、API配置	TOOLS.md	"发文件用本地路径而非远程 URL"
高频场景规律	MEMORY.md	偏好设置、常用 ID 等
可复用能力模式	新建 mu-xxx Skill	独立封装为技能

提升条件（v3.0 三重门控）：

确定性验算：python3 scripts/vfm_verify.py <pattern-key> 输出置信度≥70
经验门槛：Recurrence≥2 且跨2个以上不同任务 + VFM≥50
时效性：30天内反复出现，或木老师明确说"以后都这样"/"记住这个"（一次即可，VFM阈值降至40）

VFM 评分（提升前自检）：

维度	权重	判断问题
高频使用	×3	这条规则会每天/每周触发吗？
减少失败	×3	这条能把之前的翻车变成成功吗？
减轻木老师负担	×2	能让木老师少解释一句话吗？
节省未来成本	×2	能让未来的我省时间/token吗？

每项 0-10 分，加权总分 ≥50 才提升。低于50的留在 LEARNINGS.md 观察。

v3.0 新增：维度二"减少失败"不再仅靠 LLM 估算，需对照 vfm_verify.py 的解决率数据。无数据的条目该维度给0分。

提升后状态改为：

text

**状态**: promoted
**提升到**: TOOLS.md · "工具规则" 章节

定期回顾

bash

# 统计待处理条目数
grep -h "状态.*pending" .learnings/*.md | wc -l

# 列出高优先级待处理
grep -B5 "优先级.*high\|critical" .learnings/*.md | grep "^## \["

# 搜索特定领域
grep -B2 "领域.*mcp" .learnings/*.md | grep "^## \["

# 按病理键搜索
grep -B2 "WHERE.*mcp" .learnings/*.md | grep "^## \["

回顾动作：

已解决的改为 resolved
反复出现的提升到上层文件
满足条件的提取为新 Skill
清理 3 个月以上且已 resolved 的条目

提取为新 Skill 的条件

条件	说明
反复出现	同一病理键(WHERE×WHY)的条目≥3条
已验证	状态 resolved，方案可用
非显而易见	需要调试才能发现
可复用	不是某次任务专属
木老师说	"做成 skill"、"以后常用"

6g 聚类扫描发现满足条件的聚类后，直接生成 Skill 草案（SKILL.md 骨架 + 核心脚本框架），报告木老师确认后走 mu-dev-workflow 安装到 <SKILL_DIR>/mu-xxx/。

已知局限

并发 write 风险：read→write 覆写在多会话并发修改同一文件时，可能丢失其他会话的写入。IRON LAW #3 选择 write 是因为 edit 的 oldText 匹配失败概率更高，但 write 并非完美方案
VFM 验算依赖数据量：vfm_verify.py 需要足够的条目才能产出有意义的置信度评分，早期阶段（条目<5）验算结果参考价值有限
衰减半衰期是经验值：30天半衰期对标 CrewAI，但可能需要根据实际使用模式调整
触发检测非穷举：信号词列表无法覆盖所有表达方式，隐式正向反馈可能被遗漏
VFM 评分仍有主观性：虽然"减少失败"维度引入了确定性验算，但其他三个维度仍依赖 LLM 判断
聚类+Skill合成依赖 LLM 判断：6g 的语义聚类和 Skill 草案生成非确定性算法，可能遗漏或误聚合

子Agent派活原则

派活一句话："谁+做什么"。子Agent自己匹配Skill→通读SKILL.md→严格执行。

禁止在派活时附加规则、输出要求、注意事项——这些全在SKILL.md里
不搞中间层：不建信封文件、不建角色persona文件、不建路由表
规则只写在SKILL.md一个地方，所有人（主Agent和子Agent）读同一份

References 索引

文件	内容
references/record-templates.md	LRN/ERR/FEAT 三种记录的完整 Markdown 模板（含 WHERE×WH 病理键）
references/weekly-reflection.md	周五第六步：6a错误扫描 + 6b Narrative + 6c规则提议 + 6f评分淘汰 + 6g Skill合成
references/file-structure.md	文件结构与领域标签说明（含 WHERE/WHY 标签 + 用户自定义标签）
references/claude-code-compat.md	Claude Code 环境兼容说明（路径映射+调度降级）
scripts/env_detect.py	环境自动检测（OpenClaw 优先，Claude Code 降级）
scripts/vfm_verify.py	VFM 确定性验算脚本（复现/跨任务/解决率/病理集中度→置信度评分）
scripts/eviction_score.py	评分+衰减淘汰脚本（effective_score=VFM×0.5^(age/30)）
scripts/bias_audit.py	评委偏差审计脚本（缺陷注入→验证淘汰机制可信度）