ZK-Andy/dsh-continual-evolve

English | 中文

DeepSeek Harness（dsh）的持续自进化插件：一套版本化、可审计、可回滚的 harness 状态层——提示词补充、记忆、技能、子代理规格——从会话轨迹中沉淀而来。

状态：全部阶段完成，进入长期维护。 Phase 1–3 交付了完整进化闭环：纯核心引擎、模型工具与 /evolve 命令、自动 review 门禁（回合间隔 + 压缩检查点、全局写入人工审批）、真实系统提示词注入（prompt 补充 + 委派规格，空 store 零 token 成本）、benchmark 驱动验证闭环（代码所有计分、非退化接受、rubric ACL）。此后插件随真实使用持续增强——记忆层（排序注入、轨迹引用、归档）、每安装实例独立的 rubric 密钥、插件自带文件日志、会话收尾（/evolve wrapup）、以及门禁的自动 local 归宿维度（local 条目在门禁自有节奏下获得提升或归档的归宿——先征询、绝不静默写入）。已交付与候选清单见"路线图"。

背景

这个项目始于一个研究问题：harness 能自我改进吗？生产级版本长什么样？ 三条证据线塑造了答案：

• penguin-harness 证明了概念（benchmark → 评估 → 优化 → 接受/回滚），但代码层零强制——所有保证都是提示词契约。它的研究报告（docs/research/）成了本项目的硬化清单。
• prime-agent /refine 证明了工程形态：版本化 harness 条目、原子持久化、乐观并发、逆操作回滚。本包是在 DSH 插件表面上对该形态的原创实现。
• 学术工作（Self-Harness、AHE、HarnessOpt-Bench）提供了纪律：冻结评估运行时、代码所有聚合、非退化接受。

结果：模型提议，代码保证。 每一项机械化安全属性（schema 校验、快照、版本、审计、接受决策）都由代码强制——从不要求模型自觉守规矩。

为什么

Agent 在每个会话里积累可复用经验——重复失败、持久事实、可复用流程——然后在下个回合或下个会话忘掉。本插件把这些经验变成一等公民的持久状态：

• 版本化条目：按 prompt / memory / skill / subagent 分键，每条带来源与版本
• 证据链：每次进化追加一条携带 trigger / changes / evidence / outcome 的事件
• 确定性回滚：逆操作由已应用的结果生成——不需要 LLM 再猜
• 代码强制安全，而非提示词纪律：schema 校验、原子写、损坏降级、乐观并发、基础系统提示词不可变
• 局部（会话内）与全局（跨会话）双作用域，带合并语义

设计来源

受三方面工作启发（见 docs/design.md）：

• prime-agent /refine（MIT）：本包实现的状态模型、原子持久化、乐观并发、逐条校验与逆操作回滚——参考源码在 docs/research/prime-agent-refinement.ts。代码为原创实现，面向 DSH 插件表面编写。
• penguin-harness（Apache-2.0）：benchmark 驱动的进化循环——研究报告在 docs/research/penguin-harness-self-evolution.md；其"纯提示词契约"正是本包要硬化的反面教材。
• 学术：Self-Harness（arXiv 2606.09498）、AHE（arXiv 2604.25850）、HarnessOpt-Bench（arXiv 2608.06301）。

技术栈

层	选择
语言	TypeScript（strict、ES2024、ESM）
运行时	Node ^22.19.0 || >=24.0.0（与 DSH 一致）
插件接缝	@deepseek-ai/cordis（name / apply / inject 入口）
包管理	pnpm（DSH 生态标准）
构建	tsc → lib/（main lib/index.js，types lib/index.d.ts）
测试	Vitest
Lint	oxlint（DSH 官方仓库惯例）
License	MIT

项目结构

dsh-continual-evolve/
├── package.json          # exports / files / engines / scripts + dsh.bundle manifest
├── cordis.patch.yml      # bundle patch（dsh plugin add 安装即激活）
├── tsconfig.json / .oxlintrc.json / .editorconfig / .gitignore
├── LICENSE / README.md / README.zh.md
├── docs/
│   ├── design.md               # 完整设计文档（含硬化对照表）
│   └── research/               # penguin 研究报告 + prime-agent 参考源码
├── src/
│   ├── index.ts          # cordis 插件入口（服务挂载 + 接线）
│   ├── types.ts          # HarnessState / 条目 / 编辑 / 结果类型
│   ├── state.ts          # 原子持久化、损坏降级、合并、乐观并发
│   ├── validate.ts       # 代码强制编辑校验（基础提示词不可改、skill 契约）
│   ├── apply.ts          # 逐条应用 + 乐观锁
│   ├── rollback.ts       # 确定性逆操作回滚
│   ├── plan.ts           # 提案 JSON 解析（截断诊断）
│   ├── tool.ts           # evolve_* 模型工具（5 个）
│   ├── command.ts        # /evolve 命令分发器 + 共享工具
│   ├── goal-command.ts   # /evolve goal 子命令处理
│   ├── mount-command.ts  # /evolve mount + unmount 子命令处理
│   ├── benchmark-command.ts # /evolve benchmark 子命令处理
│   ├── wrapup-command.ts # /evolve wrapup 子命令处理
│   ├── planner.ts        # ctx.llm 规划器
│   ├── llm-text.ts       # 统一流式文本助手（BlockAssembler + finish 检查）
│   ├── render.ts         # 有界提示词渲染
│   ├── inject.ts         # 动态系统提示词段（prompt 补充 + 委派规格，打分排序注入）
│   ├── source.ts         # 轨迹引用（沉淀条目的 sessionId + 事件 seq）
│   ├── auto.ts           # 自动 review 门禁（回合/压缩触发 + 审计，global 感知视图，local 归宿阶段）
│   ├── fate.ts           # 门禁 local 归宿维度——自动提议 local 条目提升/归档（先征询、带冷却）
│   ├── notify.ts         # 门禁可见性——approved 自动沉淀后发送可见通知
│   ├── goal.ts           # goal 驱动的进化轮次（/evolve goal）
│   ├── review.ts         # 门禁 LLM 判断（拒绝 global 已覆盖主题的 local 重复沉淀）
│   ├── approval.ts       # 全局写入人工审批
│   ├── skill.ts          # 技能物化（$DSH_HOME/skills/）
│   ├── skill-render.ts   # 共享技能渲染（skillNameOf + renderSkillMarkdown，打破循环依赖）
│   ├── skillquality.ts   # 自进化环中的技能标准（skill-creator 模板读取 + frontmatter 代码校验）
│   ├── mount.ts          # 技能热挂载插件（loader.create + 启动恢复）
│   ├── benchmark.ts      # benchmark 存储 + CellScore 类型（含运行时实证字段）
│   ├── rubric.ts         # rubric ACL（AES-256-GCM 密文信封，自动生成本地密钥）
│   ├── logfile.ts        # 插件自带文件日志（JSONL exporter + 轮转）
│   ├── score.ts          # 代码所有聚合 + 接受规则
│   ├── evaluate.ts       # 两段式评估执行器（执行者产证据 → 独立评审者评分）+ 失败格协议 + 运行时实证校验
│   ├── pool.ts           # 评估运行的有界并发工作池
│   ├── store.ts          # store 布局 + 快照 + 结果历史
│   ├── service.ts        # 进化引擎（onApplied 钩子）
│   ├── usage.ts          # 条目注入使用率追踪（持久计数、陈旧检测）
│   ├── failures.ts       # 失败签名聚合（门禁 + benchmark 失败按类统计，/evolve failures）
│   └── wrapup.ts         # 会话收尾生命周期（提升/拆解提升到 global、带守卫的归档；共享 proposal 构造器；陈旧信号）
└── test/                 # 28 个文件，401 个测试

安装

# 从 npm 安装（安装即激活，自带 bundle patch）
dsh plugin --profile web add dsh-continual-evolve

# 或从源码安装（首次 GitHub 安装需按提示授权 allowBuilds 构建步骤）
dsh plugin --profile web add github:ZK-Andy/dsh-continual-evolve

将 web 换成你的 profile 名（headless，或自定义 profile）。

会话内用法（安装后）

/evolve                       帮助 + 当前局部 store
/evolve list [global]         列出条目
/evolve history               已应用的 refinement（回滚用 id）
/evolve rollback <id>         确定性回滚某个 refinement
/evolve plan [msg]            LLM 规划器
/evolve wrapup                评估本会话 local 条目：可复用的提升到 global（需审批），
                              会话特有的一次性条目归档
/evolve archive <id>          归档条目——不再注入（数据保留，可恢复）
/evolve unarchive <id>        恢复已归档条目
/evolve log [tail N] [session <id>] 查看最近插件日志（默认 50 行；可加会话过滤）
/evolve failures                  失败聚合统计（门禁 + benchmark 失败按类计数——D1 观察层）
/evolve export <path>         备份局部 store 为 JSON
/evolve import <path>         从导出文件恢复 store
/evolve mount <skillId>       热挂载 skill 条目为实时 cordis 插件（工具：skill_<name>）
/evolve mount list            列出热挂载插件（重启自动恢复）
/evolve unmount <id>          移除热挂载插件
/evolve goal                  查看进化 goal（轮次驱动自动 review）
/evolve goal <objective>      创建/更新进化 goal——active 时 review 门禁每轮触发
/evolve goal done             完成进化 goal

模型工具：evolve_list、evolve_add、evolve_update、evolve_delete、evolve_rollback。

记忆层

在持久 store 之外，四项增强让注入的记忆在条目增多时依然"懂你"（对照 Mem0 / Letta / Zep / LangMem 的差距分析；不引入外部服务——全部是纯函数）：

• 打分排序注入——某类条目超过 6 条封顶时，注入块不再固定取前 6 条：先按与 agent 最近直接用户消息的相关度打分（关键词/BM25 级别，标题命中权重 2×），再按新鲜度排序（updated_at，30 天半衰期），让"最新 + 最相关"的条目填满封顶。空 store 零 token 行为不变。
• 轨迹引用——每条新沉淀条目都会记录 metadata.sourceSession + metadata.sourceSeqs，指向它蒸馏自的直接用户消息（DSH 会话是事件溯源、seq 连续，引用可展开回持久会话日志）。列表显示 src=<sessionId>:<seqs>；旧条目不迁移也不报错。
• 归档——/evolve archive <id> 让条目不再注入（metadata.archivedAt，数据保留、与快照/回滚兼容），/evolve unarchive <id> 恢复。归档条目在 evolve_list 中标记 [archived]，注入跳过，溢出计数不含它们。
• 会话收尾——否则会话结束时的 local 条目会变成孤岛（后续会话永远看不到）。/evolve wrapup 给它们一个归宿：先机械审计——全局覆盖只看标题相似（裸同 id 但标题迥异不算覆盖；实际命中的全局标题会展示给分类器，让它对照真实内容判断）——再由模型逐条分类为 promote / archive / keep。提升把可复用条目写入 global store——经人工审批门禁，保留轨迹引用并追加 sourcedFromLocal=<session>:<id> 反向回引；本地副本随后盖 promotedTo 戳退出注入，永不再被提议。拆解提升（A 形）：混合条目（持久事实 + 会话快照）可整体归档、同时带一个清洗过的 promote 子对象——只有持久部分落进 global，快照留在归档里。对称归档守卫：未被全局覆盖、且源自真实用户消息的归档，先征求用户确认才隐藏内容（防过度归档与防过度写入获得同等保护）；操作性条目仍静默归档。一切仍走快照/版本/可回滚。
• 门禁 local 归宿（自动收尾）——同一套 wrap-up 机制现在以内置节奏（fateIntervalTurns）跑在自动 review 门禁里：local 条目在会话进行中就能获得归宿，不必等手动 /evolve wrapup。每次到期的门禁运行都会审计候选条目、由分类器分类、再经同一套确定性守卫划分；任何治理动作落地前先征询用户（一个弹窗覆盖提升、拆解提升与需确认归档——consultSkillEdits 模式，带拒绝冷却）。被全局覆盖或操作性条目仍静默归档；压缩时刻门禁绝不弹窗：只做静默归档，治理动作以审计记录推迟并指向 /evolve wrapup。每次 fate 决策都落进 reviews.jsonl（approved / declined / deferred / assessed / failed），已执行动作通过后续通知可见。应用写入与 wrapup 命令逐字节一致（共享 proposal 构造器）。
• global 感知门禁——自动 review 门禁与规划器评审的是合并后的 global + local 状态，每条条目标注真实 scope；global 已覆盖的主题会被 declined，不再重复沉淀为 local 条目。

自进化环中的技能标准

规划器与自动门禁是裸 ctx.llm 调用——不在 agent 会话内，无法通过 skill 工具加载技能。为了让自进化长出的技能保持在质量线上，插件在运行时引用 skill-creator / skill-audit 技能（作者从官方 deepseek-harness 11 个技能蒸馏的自建技能，模板事实核验自官方源码 47f9438；留在磁盘上作为单一事实源，零复制）：

• 每次规划调用注入 <skill_quality_standard> 块：skill-creator/references/template.md 事实（技能已安装时，位于 <dshHome>/skills/），否则用内置精华版兜底（约 1KB，低频调用）。规划器必须把技能提案锚定在轨迹中的真实触发场景、不得重复官方 11 技能或已有条目，并逐条自检 7 条结构特征。
• 门禁按 skill-audit 维度评审技能相关轨迹（frontmatter 路由、结构特征、段落骨架、防重复），不达标的提案 declined 并说明改进方向。
• 机械 frontmatter 规则代码强制（移植 validate-frontmatter.mjs）：技能正文不得以第二个 --- 块开头（会遮蔽自动生成的 frontmatter）、资源引用不得越出技能目录；物化后对渲染产物复检，悬空 references//scripts/ 引用记 warn 日志。
• 两种技能形态——executable（可执行，保留 python reference 契约，可热挂载为工具）与 guidance（指导型：SKILL.md 文档、无 reference，用于反复出现的多步流程，如会话开始/结束、交接流程）。代码强制区分：guidance 技能不得携带 reference 或 arguments 契约。
• 用户治理的技能创建——门禁绝不静默写技能：规划器提议技能编辑时，先问用户（固化/不固化）再落地；被拒候选在冷却窗口内不再打扰。提案其余部分（记忆/提示词沉淀）不受影响照常进行——技能决策永不阻塞普通沉淀。

日志

插件自带文件日志：所有 cordis 日志消息（本插件或其他插件）追加写入 <dshHome>/evolve/plugin.log（JSONL、0600，超过 logMaxBytes 轮转到 plugin.log.1）。与 dsh web 的启动方式无关——无需安装额外组件、不依赖启动脚本。查看方式：

tail -f ~/.dsh/evolve/plugin.log          # 实时跟随
/evolve log 100                            # 在对话里看最近 100 行

前台终端想要实时输出时，可（可选）在 profile 加官方 @deepseek-ai/cordis-plugin-logger-console 插件；文件日志始终是默认存在的基础。

benchmark 驱动验证（Phase 3）

/evolve benchmark new <title> [runs]                   创建 benchmark（runs = 每个 case 重复次数，默认 1）
/evolve benchmark add-case <bid> <title> <statement> <rubric>
/evolve benchmark list                                列出 benchmark
/evolve benchmark status <bid>                        查看计分板 + 决策
/evolve benchmark reset <bid>                         清空计分板（重跑参考线）
/evolve benchmark run <bid>                           评估当前状态 → 参考线
/evolve benchmark run <bid> candidate <refinementId>  评估进化后状态 → 决策
/evolve benchmark casecheck <bid>                     质量门禁检查所有 case
/evolve benchmark pilot <bid> <cid>                   单次 pilot 运行（校准用）
/evolve benchmark freeze <bid> <cid>                  冻结 case 为正式基线
/evolve benchmark meta <bid> <cid> <field> <value>    设置 case 元数据（capability/distinguisher/shortcuts）

闭环：冻结参考分 → 进化候选（/evolve plan）→ 用同一 case × run 矩阵复测进化后状态 → 代码所有的接受规则只在总体均值严格提高且无 case 退化时保留候选（Self-Harness 风格）。

评估者/评分者分离（两段式，差距 A1）——每个 case × run 单元是一对全新子代理：

1. 执行者用工具完成任务并记录具体证据（做了什么、查到了什么）——它永远看不到 rubric，被测 agent 无法朝评分标准优化、也无法自评；
2. 独立评审者严格按 rubric 给证据打分（唯一接收解密 rubric 的分支），消除"自产自审"偏差。

每个 cell 记录执行者会话 id——分数可下钻回产生该证据的确切会话轨迹（Trace 证据指针，差距 A4）。

失败格协议（差距 A2）——无法产出分数的单元（rubric 解密失败、执行者/评审者崩溃、协议错误）记为失败格，绝不是 0 分：聚合从所有均值中排除失败格并计数（/evolve benchmark status 显示 (N failed)），接受规则在失败格超过 maxFailedCells（默认 0）时拒绝整轮，而不是把 0 平均进均值。

聚合与决策都在 src/score.ts。rubric 隔离靠构造（规划器的提示词永远不含 rubric 文件、执行者分支永不解密）；拒绝会记录进 scoreboard 并自动回滚该 refinement（autoRollbackOnReject，默认开）。

开箱即用的种子 case 在 examples/——复制粘贴 statement 和 rubric 即可在一分钟内上手。

真实运行记录（ACCEPT）

一次真实的 dsh web 会话，一个 case、一个候选——第一次真正的接受：

步骤	命令	结果
参考线	/evolve benchmark run lint_convention	90——评估子代理真的 grep 了 harness store，报告"lint/ruff/eslint/mypy 在所有条目中零出现"
进化候选	/evolve plan 记住：写代码前必须先运行适用的 lint 检查	创建 memory:convention_lint_before_code
复测	/evolve benchmark run lint_convention candidate <id>	100——评估器跑 evolve_list 命中记忆并逐字引用
决策	—	overall: 90 → 100 · lint_knowledge: 90 → 100 · DECISION: ACCEPTED

执行者评的不是模型常识，而是实际检查被测 harness 状态（grep、evolve_list）并记录产出，再由独立评审者按 rubric 评分——所以 harness 的改动会真实地反映在分数上。同一会话早些时候还产生过诚实的 REJECTED 决策（0→0 占位符 case、100→100 满分基线无法超越）。

第二次真实运行（2026-08-19，从空基线到满分）——case 主题在 harness 中完全缺席时参考线为 0，沉淀一条策略后一次冲到干净接受：

步骤	命令	结果
参考线	/evolve benchmark run bootstrap2	0——harness 中无任何性能相关条目，执行者如实报告"一无所获"
进化候选	/evolve plan 记住：写代码前必须先评估算法复杂度、性能优先、profile 再优化	创建 local prompt performance-first-coding-policy
复测	/evolve benchmark run bootstrap2 candidate <id>	100——评估器跑 evolve_list 命中新策略，按 rubric 满分
决策	—	overall: 0 → 100 · DECISION: ACCEPTED（候选 caseHash 与参考线一致——材料未漂移）

这次运行还在当前代码上端到端走通了整套测量链路：两段式执行者/评审者、运行时实证字段（每个 cell 都记录 provider/model/caseHash/sessionId/durationMs）、失败格协议（0 失败）。

配置

键	默认值	含义
baseDir	解析后的 DSH home	evolve/ store 的根
sectionOrder	118	系统提示词段落顺序
autoReview	false	启用自动 review 门禁（每间隔一次廉价模型调用）
reviewIntervalTurns	6	距上次 review 满这么多回合时触发门禁
maxReviewInputChars	40000	交给门禁的轨迹切片
reviewBudgetTokens	4096	门禁调用的输出预算
notifyOnAutoReview	true	门禁 approved 且实际应用了编辑后，在会话中排一条可见通知（沉淀条目 + 回滚命令）
requireGlobalApproval	true	跨会话（全局）编辑需用户批准"批准"后才应用
skillsDir	<dshHome>/skills	技能条目物化为 SKILL.md 包的根目录
rubricKey	自动生成的本地密钥文件（<dshHome>/evolve/rubric.key，0600）→ dev 兜底	rubric 加密（AES-256-GCM）口令：benchmark rubric 明文永不着盘。未配置时插件首次使用自动生成随机密钥文件——每台安装实例一把独立密钥，零配置；DSH_EVOLVE_RUBRIC_KEY 为环境变量覆盖项
logToFile	true	所有 cordis 日志消息写入 <dshHome>/evolve/plugin.log（JSONL、0600）——插件自带日志，与启动方式无关、无需安装额外组件
logLevel	1	文件日志级别：0=error、1=info、2=warn、3=debug
logMaxBytes	5 MiB	超过该大小轮转到 plugin.log.1
autoRollbackOnReject	true	benchmark 决策拒绝候选后自动回滚该 refinement（与 /evolve rollback 同一引擎路径——确定性、快照、审计）
localFate	true	门禁 local 归宿维度：门禁按自有节奏审计本会话 local 条目并提议提升/归档——先征询、绝不静默写入（仅 autoReview 开启时有效）
fateIntervalTurns	跟随 reviewIntervalTurns	回合间隔路径上两次 local 归宿评估的最小间隔（压缩时刻无条件触发）
goalBlockedWrapupTurns	3	D3：连续多少次门禁运行观察到 goal 处于 blocked 后触发一次 local 归宿评估（0 关闭）
reviewModel	（使用 agent 自身模型）	review 门禁的可选模型覆盖（更便宜的模型）；格式："provider/model" 或仅 "model"

示例（profile cordis.patch.yml）：

- insert:
    - id: continual-evolve
      name: 'dsh-continual-evolve'
      config:
        autoReview: true
        reviewIntervalTurns: 6

开发

pnpm install        # 安装开发依赖
pnpm dev            # tsc --watch
pnpm build          # tsc -> lib/
pnpm test           # vitest run
pnpm lint           # oxlint src test

遇到问题先看 docs/FAQ.md（真实踩坑记录：服务平面、schema DSL、结构化输出、门禁计数、注入验证等）。

对照 prime-agent /refine 与 penguin-harness 的差距与下一步实施项（P0+P1+P2+P3 已交付：评估者/评分者分离、失败格协议、运行时实证校验+材料漂移检测、使用率统计、自动衰减、case 生命周期+质检、条目目录视图、review 模型分离、blast-radius 标注、耗时追踪、evolve_complete 事件、种子 benchmark；D1 观察层 + D3 goal-blocked 触发已交付；剩余：跨进程同步按需实现 + D1/D2 完整工程化待实验数据）：docs/gap-analysis.md。

路线图

已交付

• Phase 1–3（完成）：纯核心引擎（状态模型、校验、应用、回滚、提案解析）→ evolve_* 工具 + /evolve 命令 + ctx.llm 规划器 → 自动 review 门禁（回合间隔 + 压缩检查点、approved 后可见通知）、全局人工审批、可执行技能、真实系统提示词注入（prompt 补充 + 委派规格，子代理沿父链继承）、benchmark 驱动验证闭环（代码所有计分板、非退化接受、rubric 构造性隔离）、技能热挂载插件、goal 驱动的进化轮次。
• 2026-08 维护期增强（完成）：
  • 记忆层——排序注入（相关度 + 新鲜度打分填满每类封顶）、轨迹引用（metadata.sourceSession + sourceSeqs，显示为 src=session:seqs）、归档/恢复（/evolve archive <id>，注入跳过归档条目）、global 感知门禁（拒绝 global 已覆盖主题的 local 重复沉淀）
  • 每安装独立 rubric 密钥——自动生成本地密钥文件（<dshHome>/evolve/rubric.key，0600）；不再有全世界公开的 dev 键
  • 插件自带文件日志——所有 cordis 日志消息写入 <dshHome>/evolve/plugin.log（JSONL、0600、自动轮转），/evolve log 查看；与启动方式无关、无需安装额外组件
  • 轨迹接地规划——/evolve plan（及所有规划调用，含门禁 refine 步骤）现在读取会话轨迹：从调用方会话日志提取最近直接用户消息，作为 <session_trajectory> 块喂给规划器，提案以用户真实说过的话为依据（显式 trajectory 覆盖；空轨迹省略、零成本）
  • 门禁提议归档——过时条目是一等 refine 目标：规划器可输出 action: "archive"（仅需 kind + id），代码经正常 apply 通道盖 metadata.archivedAt 戳——快照、版本 +1、审计事件、以及恢复归档前状态的确定性回滚逆编辑。归档隐藏于注入但绝不删除；重复归档被拒绝；基础系统提示词保持不可变
  • benchmark 拒绝自动回滚——接受闭环已闭合：代码所有决策拒绝候选时，refinement 经与 /evolve rollback 相同的引擎路径自动撤销（确定性逆编辑、快照 + 审计；autoRollbackOnReject 配置，默认开）。失败时给出手动回滚提示而不是抛错
  • 日志按会话过滤——/evolve log [tail N] [session <id>] 只保留提及指定会话 id 的行（精确 token 匹配，取自渲染消息与原始 args）；门禁记录的行现在携带会话 id
  • 自进化环中的技能标准——规划器与门禁现在按 skill-creator/skill-audit 标准（作者蒸馏自官方 deepseek-harness 11 技能）创作与评审技能条目：每次规划注入 template.md 事实（内置精华版兜底）为 <skill_quality_standard>；apply 代码强制 frontmatter 机械规则（禁止遮蔽 ---、禁止越界资源引用）；物化后的 SKILL.md 复检，悬空资源引用记日志;
  • guidance 技能形态 + 用户治理创建——第二种技能形态（无 python reference 的 SKILL.md 文档技能）让反复出现的流程可以被提议为技能；门禁把每次自动创建的技能先交给用户决定（固化/不固化）再落地，带拒绝冷却——技能在治理下生长，绝不静默写入
• 2026-08-17 收尾 wave（完成）：
  • /evolve wrapup——会话结束时 local 条目有了真正的归宿：先机械审计（local 候选 + 全局覆盖检测；覆盖只看标题相似——裸同 id 但标题迥异不算覆盖，真正命中的全局标题会展示给分类器）→ LLM 分类（promote / archive / keep + A 形拆解提升：混合条目整体归档、同时提升清洗出的持久子对象）→ 应用时刻确定性守卫复检（promote 永不写出全局重复；对称归档守卫要求用户确认后才隐藏未被覆盖、源自真实对话的条目；清洗标题撞全局主题的拆解降级为普通归档）→ 所有全局 create 走一个人工审批门
  • 门禁 local 归宿维度——wrap-up 机制现在以内置节奏（fateIntervalTurns，压缩时刻无条件）跑在自动 review 门禁里：local 条目在会话进行中被审计、分类、划分；治理动作先征询（一个弹窗、拒绝冷却），被覆盖/操作性条目静默归档，压缩时刻只做静默归档并以审计记录推迟治理动作；每次决策落进 reviews.jsonl，已执行动作发后续通知。应用写入与 wrapup 命令共享构造器（逐字节一致）
• 2026-08-19 研究项先导（完成）:
  • goal-blocked 触发收尾（D3）——goal 连续 goalBlockedWrapupTurns 次门禁运行（默认 3）处于 blocked 时触发一次 local 归宿评估，把卡住的原因沉淀下来再继续；连胜在任意非 blocked 运行与每次触发后被重置，被拒提案走正常 fate 冷却（绝不打扰）；goalBlockedWrapupTurns: 0 关闭
  • 失败签名聚合（D1 观察层）——/evolve failures 将门禁失败记录与 benchmark 失败格按确定性失败类（rubric-decrypt / executor / reviewer / material-drift / gate / max-tokens 等）统计——未来 failure-signature Refiner 的底层数据
  • bootstrap 加速实验脚手架（D2）——docs/experiment-bootstrap.md 设计 ≤3 轮对照实验（固定 reference → 沉淀 harness → 候选评估）验证"被提高的 harness 加速下一跑"；scripts/benchmark-trend.sh 从 scoreboard 提取每轮趋势表（overall / totalDurationMs / failed / case-hash 一致性）
• 2026-08-17 差距 P0（完成）：
  • 评估者/评分者分离——benchmark 评估改为两段式（差距 A1）：执行者完成任务并记录具体证据、永远看不到 rubric；独立评审者按 rubric 给证据评分（唯一解密 rubric 的分支）。被测 agent 无法朝评分标准优化、也无法自评
  • 失败格协议——cell 带 status: ok|failed（差距 A2）：失败格从所有均值中排除并计数，接受规则在失败格超过 maxFailedCells（默认 0）时拒绝整轮，而不是把 0 平均进均值。scoreboard status/run 展示失败数与逐格原因
  • Trace 证据指针——每个 cell 记录执行者会话 id（差距 A4），分数可下钻回产生它的确切会话轨迹
• 2026-08-18 差距 P1（完成）：
  • 运行时实证校验（A3）——cell 现在记录宿主写入的实际 provider、model 和 caseHash（statement + rubric 的 SHA-256 前缀）；参考线与候选运行之间的材料变化会被检出并把受影响候选格重标为失败（version_changed 语义，score.flagMaterialDrift），材料漂移的轮次绝不可能被接受
  • 条目使用率统计（B1）——注入计数持久追踪（<baseDir>/evolve/usage.json）；evolve_list 展示使用次数；zeroUsageEntries() 筛选从未注入的 local 条目作为归档候选
  • 自动陈旧检测（B2）——零注入且低新鲜度的条目标记为 stale；LLM 分类器被指示优先归档陈旧条目
• 2026-08-18 差距 P2（完成）：
  • case 生命周期 + 质量门禁（A5）——case 遵循 draft → calibrating → frozen 状态机；casecheck 运行机械质量校验（能力合约、区分点、快捷方式）；pilot 执行单次校准运行；freeze 将 case 锁定为正式基线（需通过质量门禁）；meta 设置 case 元数据字段
  • 条目目录视图（B3）——注入块现在包含所有非归档条目的轻量目录（id + title，每条一行），在条目超出精选封顶时自动展示，为模型提供零成本全局概览
  • review 模型分离（C1）——reviewModel 配置项让 review 门禁可使用比主 agent 更便宜的模型
  • blast-radius 标注（C2）——每条编辑现在携带 blastRadius 字段（general / project / session）；规划器被要求标注该字段，解析器验证取值
  • 耗时追踪（C3）——每个评估单元格记录 durationMs（墙钟时间）；聚合总计和决策报告展示耗时对比
• 2026-08-18 代码重构（完成）：
  • 循环依赖拆解（P1-1）——抽出 skill-render.ts 解耦 skill.ts ↔ skillquality.ts
  • LLM 调用去重（P1-2）——抽出 llm-text.ts 共享 streamText()（review/planner/wrapup 删除 ~107 行重复）
  • config 类型推导（P2-1）——EvolveConfig 改为 Schemastery.TypeT 推导（消除 20 行手写接口）
  • command.ts 拆分（P2-2）——860 行 god file 拆为 goal-command.ts、mount-command.ts、benchmark-command.ts、wrapup-command.ts
  • P3 清理——questionServiceOf() cast 去重（4 处）、死导出清理、矛盾注释修复

候选/待办清单暂时为空——后续工作随真实使用驱动。

License

MIT。独立项目——与 DeepSeek 无关联。