Zeelin Auto Evolution

[技能说明]

这个 Skill 用来为 Agent 系统建立“先记录、再归纳、后建议、最终扩展”的演化闭环。

It is designed for multilingual teams and should work for both Chinese and English feedback signals.

它的目标不是让 AI 擅自修改规则，而是让系统像自动备份一样无感捕捉问题，再在合适的时机向用户提出可确认、可拒绝的进化建议。

[核心能力]

• 经验沉淀：将用户在真实对话中的修正、否定和补充意见转为结构化 feedback，静默写入反馈库。
• 信号去重：识别同主题反馈，优先累计 occurrences，而不是重复制造碎片化记录。
• 规则毕业：当同类 feedback 累积达到阈值时，生成“毕业为正式规则”的建议，而不是直接改写 Skill。
• Skill 优化：根据 Skill 执行后的评分历史，识别准确性、覆盖度、效率、满意度持续偏低的技能。
• 新 Skill 提议：发现高频但无 Skill 覆盖的操作模式，推动系统扩展新的原子能力。
• 人类把关：所有会改变规则、Skill、工作流的动作都必须先展示建议，再由用户确认。
• 可迁移架构：支持把演化机制挂接到任意项目，不绑定单一业务域。

[执行流程]

第一步：检测反馈信号

• 当用户出现“不是这样”“你又忘了”“不对”“我不是让你这么干”等中文表达，或 “that's not right”, “you forgot again”, “this is wrong”, “that's not what I asked”, “don't do it this way”等英文表达时，运行 python scripts/detect_feedback_signal.py --text ""
• 如果检测为反馈信号，主 Agent 在处理完当前请求后，静默派发 feedback-observer
• feedback-observer 负责把上下文整理为 feedback 条目，写入 .claude/feedback/
• 不要求用户额外说“帮我记下来”，记录行为默认无感发生

第二步：写入和累计 feedback

• 若 .claude/feedback/FEEDBACK-INDEX.md 不存在，按 templates/feedback_index_template.md 初始化
• 单条 feedback 文件按 templates/feedback_topic_template.md 写入
• 写入时必须包含：标题、问题描述、触发场景、教训/建议、source_skill、occurrences、graduated 状态
• 若属于 Skill 执行后的复盘，可补充 scores 字段：accuracy、coverage、efficiency、satisfaction

第三步：生成进化建议

• 在 session 启动时，或用户主动要求“检查进化建议”时，运行 python scripts/evolution_runner.py --feedback-dir .claude/feedback --rules-file CLAUDE.md
• 扫描三类信号：

1. 规则毕业：同主题反馈 occurrences >= 3
2. Skill 优化：同一 Skill 的低评分持续出现，或相关 feedback 总量偏高
3. 新 Skill 提议：某操作模式 occurrences >= 5 且现有 Skill 无覆盖
• 输出统一的进化建议列表，按类别分组展示

第四步：请求用户确认

• 每条建议只能有两个方向：确认执行 / 跳过
• 规则毕业：建议写入目标 Skill 或 CLAUDE.md
• Skill 优化：建议修改 Skill 方法论、校验步骤或覆盖范围
• 新 Skill 提议：建议新建 Skill 包
• 默认不自动执行，绝不绕开用户

第五步：落地确认后的变更

• 规则毕业：将正式规则写入目标文件，并把对应 feedback 标记为 graduated: true
• Skill 优化：更新 Skill 的执行步骤、覆盖清单、注意事项或模板
• 新 Skill：创建独立 Skill 目录，生成 SKILL.md、示例和必要脚本
• 被用户跳过的建议可标记 skipped: true，避免重复打扰

[注意事项]

• 进化机制的核心是“建议 + 用户确认”，不是“自动改规则”。
• 检测脚本应同时覆盖中文和英文反馈表达，避免只对单语对话有效。
• feedback 目录用于经验学习，不等同于 memory；不要把用户行为修正只写进记忆系统。
• 写 feedback 时宁缺毋滥。没有明确信号时，可返回“无新 feedback”。
• 评分必须基于本次真实执行，不要为了凑数据而虚构分数。
• 新 Skill 提议要确认现有 Skill 确实无覆盖，避免重复造轮子。
• 若项目已有演化框架，优先复用已有 feedback-observer、evolution-runner、hooks 与模板，而不是平行再造一套。