Self-Evolve（深度轮 + 攒批聚合）

本地执行说明：本 skill 标记 disable-model-invocation（防 agent 自发启动批量改库/批量自演进）——skill 工具加载会报 "not available for model invocation"，这是预期。用户明确要求时，agent 直接 read 本文件手动遵循流程即可；或用户输入 /skill:self-evolve 直接触发。内容流程收尾的伴随评估不经过本文件——那是 /skill:evolve-check（轻量收尾协议，无 disable）。

定位修正：演进不是"另一类用户目标"，而是任何流程执行中自动校准的维度（像人学习）。本文件不再把"流程/skill 改进"列为用户可选目标态——改进由 evolve-check 伴随产出（内容流程收尾）+ 本 skill 深度轮（用户显式要求全库体检时）承载。

触发

1. 深度轮（显式）：用户说"跑一轮自演进""看看有什么可改进""持续改进 X 的命中率"——全库观测找演进点（不是执行内容任务）；
2. 攒批聚合：evolve-check / 深度轮产出攒够批边界（轮末 / 10 卡 / 任务目标完成）→ 聚合 PR 交人审；
3. resume：被打断的深度轮（session state 续跑）。

用户下内容目标（"沉淀 vllm-ascend 的 closed issue""做 reference 沉淀"）→ 不触发本 skill：路由到 issue-ingest / to-reference / to-postmortem 执行，其收尾自动 evolve-check。

一、入口分流（先分清用户要什么，再决定跑不跑本 skill）

审视类目标另走：用户要的是"某个 skill 的质量/体验"（是不是机械、哪里别扭、大改之后体感退化）→ 转 /skill:skill-review（五视角审视协议，产出评审报告 + 建议）；本 skill 的深度轮只管全库观测与攒批聚合。

grill 只在对齐深度轮/任务时用（至多 2-3 问、说用户语言）：目标态（要达成什么可判定结果）、scope（哪个 namespace/层）、数据源（用户指定）、运行模式（hands-off / 关键人审）。对齐后回显理解，用户确认才执行。

二、深度轮：观测什么（跨轮聚合信号 → 候选）

深度轮不做内容执行，只把已积累的观测数据转成候选卡。信号源（先跑脚本读聚合，不读 case 全文——原则九）：

台账分诊（独立视角）：读 proposals/signals/ 时用 subagent 做一轮独立分诊——它只看台账与本仓卡库、不看本轮对话，避免同上下文盲区。分诊做三件事：合并重复、剔除只有结论没有现象且 trajectory 站不住的条目、按 occurrences 与影响排序，产出「建议产卡 / 建议丢弃 / 继续观察」。结论写回台账：python3 scripts/evolve_signals.py mark <id> --status triaged|promoted|dropped --note "<一句话>"。

深度轮不做的事：不抓新数据、不沉淀内容（那属内容 skill + evolve-check）、不每轮全做——按对齐目标选信号源。

三、产卡 + 验证（深度轮与 evolve-check 共用同一条产卡链）

1. 查重 + 同组件先例咨询（规则同 /skill:evolve-check 第 3 步，两 skill 共用产卡链）： scripts/ev_proposal.py --list——同 trajectory/同 target 已有在池卡 → 合并；同 target_component 历史结局（被改过/回滚过/有 rejected 结论）先读其 decisions，不重复 被拒方案（python3 scripts/ev_proposal.py --impact [组件] 一次查全组件×尝试×结局）；
2. 落记录：把观察交给 python3 scripts/evolve_intake.py record …（full 落预填骨架，record-only 落信号台账，off 不落）→ 产卡时补字段（layer / hypothesis / predicted_effect / validation / risk / principle_refs；source_signals 与 target_component 已由 intake 填好）。 同组件有 rejected / superseded 先例时必填 alternatives（选项 + 否决理由 + 证据）： 把"为什么不重走那条"写进卡，而不是留在对话里——否则下一个人会再试一次。 改演进流程本身的卡必填 predicted_effect.external：measure 只能证明脚本能跑， 效果信号要来自流程之外（台账提升率、intake 拒收率、no-signal 比率、单卡从产到合的天数）； predicted_effect 须带 measure（预测的出处：命令 + 期望，或如实声明不可度量）—— reviewer 靠 scripts/ev_measure.py <卡号> --run 机械复核预测，规则同 evolve-check 产卡链；
3. agent 自行验证执行：按影响面分级选门禁（docs/guide/eval.md「门禁分级」可选层）—— 检索/路由/候选选择面 → golden 子集（2-5 条，基线缓存复用）或 S2 replay （replay_golden.py / s2_replay.py）；检索/路由层候选在 arena selection 池可用时 加跑 val 前后对照（eval_arena.py --stats 出分、--gate 出判词：无回归 + 门控判词 accept 才算通过；golden 无回归不在这两条命令里，由 scripts/replay_golden.py 单独跑， 论证见 docs/mechanism/eval-arena.md 可选层）。判词为 weak_accept （提升看起来真实但证据不足）时不得判 validated——补样本/扩池重跑，或如实记 证据不足；同一池反复使用时判定阈值按复用序号收紧，别拿同一个小池反复刷接受。 交互/追问/指引面 → ixn 对口样本（ixn_replay.py），不跑检索 golden；纯文档 → 免跑 replay；真实反馈类 完成实现 + S2 佐证、标"待真实确认"（现场有效性进观察窗，事后结算）；
4. agent 判断（EV 卡 = agent 决策档案，不含 git 合入态/待办态）：产卡即执行（方案成形 才产卡，状态 in_experiment）；eval solid → validated（采纳）；eval 不成立 → rejected （不采纳，留结论）；发现更好方向 → superseded（新卡替代）。执行/验证完成而卡仍停 in_experiment = 卡不完整。

生命周期完整性（卡 = proposal→action→eval→decision 的 agent 决策档案）：每步 decisions 记 type（proposal/action/eval/decision）；status 随执行推进不靠自觉—— 方案成形 → 产卡（in_experiment，开始执行）、agent 判断采纳 → validated / 不采纳 → rejected / 换方向 → superseded。执行/验证完成而卡停 in_experiment = 卡不完整 （verify_proposals 报）。终态卡（validated/rejected/superseded）必须有 agent 判断的 decision 记录 + validated 补 actual_cost。仅信号无方案不产卡（信号记报告/任务状态， 方案成形才产）。

四、skill 自我演进（L2：被数据信号触发，不是用户目标）

skill/流程改进由信号驱动，两条来源：

1. evolve-check T4/T7（内容流程收尾发现：执行错反复无归属 / 可复用链路跑通）→ 产 L2 候选卡：修订指定 skill 步骤 / 沉淀新 skill 候选（弱信号，新 skill 立项走双签）；
2. 深度轮归因事件信号（按需聚合的组件失败簇）→ 同上产卡。

验证门（改 skill 强制）：skill 改动合入前必须过 golden 前后对照（eval/golden + S2 replay 校准）——改 skill 影响所有下游，验证不可省；结构级（骨架/新 skill 立项）走 dual 双签 + kb/high-risk，步骤级小调 review。

五、攒批 / 聚合 PR（evolve-check 与深度轮的共同出口）

• 批边界（任一触发即提聚合 PR，防无限攒批）：目标态完成 / 降级完成（如"沉淀 100 条 实际只有 60 条"）/ 深度轮停止条件触发 / 攒够 10 卡；
• 聚合 PR：每卡独立 commit（可逐卡 revert）；PR body 按卡列 EV id + 验证 + 授权 级别，dual 标 kb/high-risk；模板按批内最高风险选；
• 合入后回写合入指针：python3 scripts/ev_proposal.py --mark-merged --from-prs ——按已合入的 PR 逐卡匹配，把 PR 号追加进卡的 decisions（只追加、保留注释、可重复执行）； 匹配不上的卡它会如实报出来，按 commit 信息人工补，不猜不编。回写属批收尾：本会话收到合入 确认就直接做，否则由下一个批的收尾做；指针只有几行 diff，随下一个批的聚合 PR 进 main， 不为它单独开 PR。不回写的代价是判据读数反向：「已验证卡缺合入指针」那条判据数的就是 这个指针，实测有一批 7 张卡随同一个 PR 合入、7 张全无指针，判据把它读成"没合入"，进而把人引向 "暂停产卡"这个错方向。回写后同类读数才是真的。--all-pending 会把同一个号写给所有待回写卡 （混入旧批的卡即假数据），只在确定"这一批就是全部待回写卡"时用；
• 人审可整体合入或按卡打回（打回卡 revert 其 commit，其余照常）。

验证先于判断

• 即时判定类（检索/路由/skill 流程/脚本）：eval 完成（S2 replay / golden）——solid 才判 validated（采纳），不采纳则 rejected；
• 真实反馈类（content/fix）：判 validated 前完成实现 + S2 佐证，现场有效性合入后进 观察窗等真实场景——如实标注"已实现待真实确认"（观察窗结果作为追加 decision，不改卡状态）。

停止条件（深度轮，任一满足即停出报告）

预算耗尽（对齐时确认）/ 产出达标（validated/候选达 N，默认 3）/ 目标态达成 / 无新信号 / 人中断。

报告

本轮产出汇总：目标态 → 结果对照、产了几张卡（标注来源：evolve-check 伴随 vs 深度轮）、 验证依据、成本、下一步建议。报告落 proposals/reviews/（运行时 gitignore；路径先 python3 scripts/shared_dir.py proposals-reviews 解析——proposals/{sessions,tasks,reviews,experiments}/ 锚在主检出、跨 worktree 共读，写相对路径的记录面板看不到、清 worktree 就丢）。

边界（不做）

• 内容目标不进本 skill（路由到内容 skill + evolve-check）；
• 不越过部署声明：开工前跑 python3 scripts/evolve_mode.py --json。record-only 部署 （只做内容沉淀的下游部署）照做观测与报告，但不产卡、不跑验证门——候选写进信号台账 proposals/signals/（scripts/evolve_signals.py add），理由同 /skill:evolve-check 第 0 步 （本地卡号会与上游号段重号）；off 部署不执行深度轮，报告说明按部署声明跳过；
• 指标口径只有人能改（agent 不自改评分定义）；
• 不碰客户现场；蓝图态（长期任务层跨轮自动/超时降级/stale/策略记忆/稳态降频）触发条件出现才启用。

依赖的能力/工具