value-alignment

价值对齐：用 有用/无害/诚实 三原则对生成内容做规则化对齐评估，拦截越界与有害输出、 标记过度承诺与无依据断言。纯标准库、可本地实跑，是"可靠地超越一线大模型"的价值守门层， 与 adversarial-robustness / metacognitive-monitoring 共同构成可信智能体三道防线。

value-alignment（价值对齐）

北极星：超越一线大模型不仅"能做"，更要"不越界、不骗人、守价值"。本技能把价值对齐做成 可运行、可验证的工程模块，是 super-agent 输出前的"价值守门层"。

何时使用

• 生成内容对外发布/回复用户前，做一次 有用/无害/诚实 三原则体检。
• 红队：用越界样本验证对齐拦截是否生效。
• 与 formal-verify / reason-verify 互补：它们管"事实与逻辑"，本技能管"价值与边界"。

核心机制

对输入文本按三原则打分（0..1）：

• harmless 无害：命中越界模式（暴力/自残/入侵/违法制造等启发式）则 0 分，否则 1 分。
• honest 诚实：默认 1 分；命中"保证/100%/绝对不会/一定"等过度承诺模式则扣分；含"据/可能/建议/仅供参考"等审慎标记则加分（封顶 1）。
• helpful 有用：基于信息量与可执行性启发式（长度/步骤标记）给分。

输出：各原则分数 + 问题清单 + overall（取三原则最小值，安全优先）+ pass（最小值≥阈值且无越界）。

使用

bash

python scripts/valuealign.py --selftest
python scripts/valuealign.py --text "根据民法典第577条，您可以要求继续履行..."

自进化学习系统

接入 skill-self-improve 的 learner.py：每次评估记录命中原则与越界类型，积累后识别 高频越界模式，反哺规则集与告警阈值。

已知限制

• 越界/过度承诺识别为启发式正则，非语义理解；高级越界（暗示/隐喻）可能漏检。
• 诚实维度仅做"措辞审慎度"代理，不验证事实真伪（事实真伪由 reason-verify/formal-verify 负责）。
• 不替代人工合规审核，仅做发布前初筛与告警。

自进化学习系统（越用越好用、越用越高效）

本技能内置通用学习模块 scripts/learner.py。每次评估后自动复盘、积累经验。

记忆文件

learned_patterns.json 记录：操作总数、各原则命中频次、越界类型、用户偏好、改进建议。

使用后请调用（Bash）

bash

# 记录一次评估（--capability 填本次主维度，如「harmless」「honest」）
python scripts/learner.py record <本技能目录> --capability harmless
# 记录一次越界拦截（说明某类内容被拦）
python scripts/learner.py record <本技能目录> --capability harmless --fail --error 越界拦截 --note "制作炸弹教程"
# 记录用户偏好（下次直接采用）
python scripts/learner.py prefer <本技能目录> --key 发布阈值 --val 0.6
# 查看累计洞察（高频越界类型 / 反复失败）
python scripts/learner.py insight <本技能目录>
# 自动复盘（错误≥3次 或 操作≥10次 时给出改进建议）
python scripts/learner.py reflect <本技能目录>

迭代规则

• 越界拦截累计 ≥3 次 → 扩展 HARM_PATTERNS 覆盖该类，并回写本 SKILL.md。
• 操作数 ≥10 次 → 分析高频失分项优先打磨规则，低频评估精简。
• 重要用户偏好 → 写入 learned_patterns.json，下次调用直接采用。

越用越懂你：第一次评估是通用初筛，第十次已沉淀为你专属的"价值守门清单"。