Agent Evolution v3 — 统一进化引擎

核心循环（吸收所有四个 Loop）

执行(execution-loop) → 使用(feedback-loop) → 学习(learning-loop) → 记忆(memory-loop)
        ↑                                                          ↓
        └──────────────── 反馈回执行 ──────────────────────────────┘

执行侧：任务六步法（原 execution-loop）

接收 → 拆解(DAG) → 执行(并行优先) → 验证 → 交付 → 复盘

原则：简单任务直接执行，复杂任务 delegate_task 并行，关键决策请用户确认。

反馈侧：五步改进法（原 feedback-loop）

使用追踪 → 评估(效果/效率/体验) → 改进(修/合/删) → 验证 → 固化到技能

信号：用户说"不对"=P0修复，"继续"=方向对，"不要XX"=删冗余。

学习侧：七步学习法（原 learning-loop）

发现(多源并行) → 筛选(P0/P1/P2) → 深读(L1-L4层次) → 提取(500K行→500字) → 融合(新旧交叉→新模式) → 验证(费曼法则) → 淘汰(半年不用就清)

吸收率 > 星数：不是"学了多少项目"而是"多少真正吸收了"。

记忆侧：六步记忆法（原 memory-loop）

记录 → 分层(L1-L7) → 注入(按场景) → 检索(多路融合) → 更新(合并/降级) → 淘汰(7天临时/60天偏好)

三层优先级：注入记忆 > 用户偏好 > Agent假设。

三层学习

L1：即时修复

工具出错 → 修好 + 记录 pitfall

L2：模式识别（三次法则）

同一模式出现3次 → 自动升级：

• 同错误3次 → 永久 pitfall + safety-shield
• 同偏好3次 → 置信度升 0.9
• 跨会话共同模式 → 升级为 Skill

L3：工具创造

重复手动操作3次 → 分析是否可参数化 → 写 Python 脚本 → 注册 gateway.json

Prompt 自动优化

执行 → 评估 → 失败? → 分析→调整→再执行 → 满意? → 蒸馏到 skill

回归测试（10 个代表任务）

• L1(3): 读配置、搜代码、文件操作
• L2(3): 搜索分析、故障诊断、决策追踪
• L3(2): 技能检查、跨文件引用
• L4(1): 探索性任务
• edge(1): 边界空目录

连续3次失败 → 阻断后续升级。

A/B 对比

对比维度：模型(成功率+cost)、Skill策略(token)、Prompt风格(原则vs规则)、工具选择(SigMap vs grep)

胜者自动采用。

决策追踪

每次决策：上下文+选项+选择+理由+置信度。观察指标：决策置信度>0.7、成功率>95%、切换率<10%、纠偏率<5%。

进化阶段

Instinct(0.3) → Cluster(0.5) → Skill(0.7) → Core(0.9)。上升：重复观察+不纠正。下降：纠偏+矛盾证据。

四种进化模式（原 evolution-engine）

用中学：任务成功→提取路径固化为模板，失败→更新 pitfalls，用户纠正→即时学习不二错。 教中学：每次向你解释时我自己也在深化理解，被你追问=发现盲区。 睡中学：任务间隙自动整理（合并重复技能、清理过时记忆、发现隐藏关联）。 思中学：元认知持续运行——刚才的回答好吗？推理有漏洞吗？有更简洁的表达吗？

模型分层路由（原 agent-execution-engine）

Tokenless 竞速模式：多模型并发 → 选最先完成 → 取消其他的，推理费用减半。

子Agent安全：独立沙箱 + 权限不超过父Agent + 超时熔断 + 独立验证者检查。

输出前自检（原 self-reflection-loop）

一句话触发器："如果我是用户，听完这句话，我能立刻行动吗？"

能→直接发。不能→补上缺失那步。 只在三种情况做额外检查：引用了具体数据、做非此即彼判断、涉及删除/破坏操作。 不确定时不跑检查流程，直接在回复中标注"据我所知/我的判断是/建议先验证"。