Index of every page on this site: llms.txt
All skills
cat-xierluo avatar

/self-evolve

@5fb69a0
Run it yourself

扫描本机 Claude Code、Codex、WorkBuddy、CodeBuddy、ZCode 等 Agent 会话,保留初始化和增量处理记录,低成本初筛后由当前 Agent 提炼经验、迭代与 Skill 沉淀建议,生成可独立打开的 HTML 报告。也用于复盘当前对话、接续每周沉淀或检查扫描覆盖。无需单独配置模型 API Key;不自动应用建议或安装 Skill。

Use this Skill: https://skilld.dev/gh/cat-xierluo/legal-skills/self-evolve

Nothing lands on disk. Nothing to clean up.

Fork this Skill

Edit a local copy. It keeps the author and licence.

references15-interactive-sediment.md

≈3.2k tokens on demand. Your agent reads this file only when SKILL.md points to it.

15 · 交互式对话沉淀模式(Interactive On-Demand Sediment)

本文是 self-evolve 第二模式的 agent 契约。第一模式(外部 Cron 驱动的跨会话磁盘索引)见 references/11-dream-sweep.md 与 references/12-self-evolve-scheduler.md;本模式与之互补、不替代。脚本入口为 scripts/interactive_sediment.py,两个子命令:map(打印动态资产地图)、commit(脱敏落盘 + 登记 proposal)。

一、定位与触发

  • 何时用: 用户在某段对话接近尾声、主动要求复盘本次对话并把可复用的方法论/知识沉淀下来时(触发语如「复盘这次对话」「沉淀这次对话」「这次有什么能沉淀成 skill 的」「把刚才那套流程固化下来」)。
  • 与维护模式消歧: 触发语指向「本次对话、现在、可复用的东西」→ 进本模式;指向「跑索引 / 查提案 / 刷新库存 / 维护状态」→ 进现有维护模式(dream_sweep / refresh_skill_inventory / proposal_store / 面板)。拿不准时让用户明确。
  • 输入: agent 的 live 对话上下文(你就在对话里),不是磁盘 JSONL。当前会话可能尚未落盘,且本模式的价值正是「此刻、本对话」的即时复盘。
  • 产出(已与用户确认): 在对话内呈现「资产地图 + 本轮发现 + 路由建议」,用户当场逐条确认;接受的才走 commit → 现有 privacy-gated Review Inbox + proposal 生命周期。不接受 / 观察的只口头记一笔,不写文件。

二、步骤 0:载入资产地图

先打印地图,让你(agent)和用户都看到「沉淀目的地全集」:

python3 scripts/interactive_sediment.py map

地图由三处动态拼出(不预设固定分类):

  1. 用户实际安装的 skill 全集(runtime/skill-inventory.json,由 refresh_skill_inventory.py 自动扫描生成);
  2. config/core_skills.yaml(高阶用户 curated 的重点关注 skill,含 function 与 domain_keywords,是 Branch A 精确匹配的主力);
  3. config/asset_owners.yaml(可选,默认空;高阶用户声明「哪类非 skill 资产归哪个 owning skill」)。

自举: 若 map 输出 ⚠️ inventory 缺失(用户从未跑过库存刷新),先确定性、无副作用地补一刀:

python3 scripts/refresh_skill_inventory.py
python3 scripts/interactive_sediment.py map

refresh_skill_inventory.py 只读扫描 + 写两个库存文件,不调 LLM、不碰成熟 skill,安全。若输出 ⚠️ inventory 损坏(文件在但 JSON 坏),同样重跑刷新;若刷新后仍损坏,按 references/10-skill-inventory.md 排查,不要把损坏当成缺失反复重跑。

二·五、步骤 0.5:验证回看(补 applied→verified 半圈)

载入地图后、扫描本次对话前,先查有没有「已应用但未验证」的历史提案:

python3 scripts/interactive_sediment.py verify-list

若返回非空:每个都是之前 accepted + applied 到某 skill、但还没 verified 的提案。若本次对话涉及那个 skill / 那个改进点,主动回看——「提案 X 已应用到 <skill>,这次用到 / 观察到效果了吗?」→ 用户判断后,复用 proposal_store verify 登记 verified / failed / inconclusive:

python3 scripts/proposal_store.py verify <proposal_id> \
  --outcome verified|failed|inconclusive \
  --reason "<本次观察到的依据>" \
  --actor interactive-user \
  --revision-hash <proposal 当前 revision_hash> \
  --applied-commit <applied 时登记的 commit>

这把 verified 从「靠人手动记、容易漏」变成「交互沉淀时主动浮现」。verified 数据积累后,它就是反哺的输入——哪些改进真有效、哪些总失败,反过来指导 curate 与路由。返回空就跳过,直接进步骤 1。

三、步骤 1:扫描本次对话

从 live 上下文里识别可沉淀信号(复用 references/05-agent-prompt.md §三 的分析要点):

  • 重复出现的方法论、命名规范、文件组织规范、工具链调用模式、判断流程、checklist、可复用 prompt;
  • 严格区分「通用方法论 / 可复用流程」与「案件/客户特定数据」(案号、原被告、具体产品、账号、价格……后者绝不沉淀);
  • 区分「这次第一次出现」与「跨多次对话反复出现」——后者优先级更高(但仍需用户判断是否够通用)。

四、步骤 2:自适应 2 分支路由(本模式核心)

对每个 finding,按用户实际有的东西路由,不硬塞:

Branch A —— 有明确家(命中已安装 skill)

用 core_skills.yaml 的 domain_keywords + function 做精确匹配;未命中重点 skill 时,用 inventory 的 description 兜底匹配(map 只列 id 摘要,需要各 skill 的 description 时直接读 runtime/skill-inventory.json 或 runtime/skill-inventory.md)。

  • 唯一命中 → 指名道姓:「沉淀到 <skill X>,建议 change point:……」。
  • 多候选命中 → 把候选列出,让用户选一个,不要替用户拍板。
  • 路由目标既可以是「升级现有 skill」(写 templates/upgrade-direction.md 式提案),也可以是「作为某现有 skill 的 reference 补充」。

Branch B —— 无明确家(无任何已装 skill 匹配)

进顾问模式,不强行塞进某个 skill。五步:

  1. 原子化拆分:把发现拆到最小可复用单元(复用 templates/upgrade-direction.md 的「原子化 Change Points」概念),别把一坨东西当一个资产。
  2. 价值判定:是否真的反复出现、跨任务可复用?不够通用就建议不沉淀——知识工作者最容易犯的错是把一次性内容也存成资产。
  3. 资产形态建议(软建议,不是固定 enum):这是流程 / 域知识规则 / 模板 / checklist / 一句话 prompt / 候选新 skill?
  4. 去向选项:基于用户实际有的东西给 2–3 个,例如:
    • 「可考虑新建一个小 skill 起步」(若有 five-question-distill 可指向它帮你起步);
    • 「作为某现有 skill 的 reference 补充」(指名那个 skill);
    • 「先 observe,下次再判」(登记观察,不落盘);
    • 「暂不沉淀」(一次性内容)。
  5. 用户决定:把去向决定权交还用户。可当场转成提案(若用户定了目标 skill),或记为 observe。

这样初学者(skill 少、没基建)会被教方法论、不被预设分类误导;高阶用户(基建全)走 Branch A 精准路由。同一套逻辑通吃。

五、步骤 3:交互呈现

在对话里给出(紧凑、可扫读):

  1. 地图摘要:从 map 输出里摘重点 skill(core_skills 那几行)+ 全集总数。
  2. 每个 finding:是什么 → 落 Branch A 还是 B → 目标 skill / 建议去向 → 置信度 → 建议 change point。
  3. 请用户逐条决定:accept / partial / reject / observe。

呈现时把「机器建议」与「事实证据」分开说清楚;不要把单次会话的局部结论包装成稳定方法论。

六、步骤 4:落盘(仅 accept 项)

对用户 accept 的 finding,按资产类型选模板写草稿(草稿是给人读的提案正文,你负责先脱敏——不要等隐私门控来拦):

  • skill 路由 / owning-skill 投递 → templates/upgrade-direction.md 结构;
  • 方法论成文 → templates/article.md 结构。

然后调用 commit,它会自动跑隐私门控 + 落盘 + 登记:

# skill 升级(目标 skill 在 inventory 中唯一 resolved → 登记 candidate 后立即 decide accepted)
python3 scripts/interactive_sediment.py commit \
  --draft <草稿路径> \
  --proposal-type skill_upgrade \
  --summary "<一句话摘要>" \
  --target-skill <skill-id> \
  --change-points "<CP-1,CP-2>"

# 文章 / 无明确目标(登记 candidate,接受动作留到面板)
python3 scripts/interactive_sediment.py commit \
  --draft <草稿路径> \
  --proposal-type article \
  --summary "<一句话摘要>"

commit 行为与返回码(详见 scripts/interactive_sediment.py 的 commit_proposal):

  • rc=0:成功。status=committed_accepted(skill_upgrade 且目标在 inventory 唯一 resolved:登记 machine candidate 后立即登记 human accepted——因为人工决定已在对话里发生);或 status=committed_candidate(article,或目标 missing/ambiguous:只登记 candidate,接受动作留待 localhost 面板,因为接受需要 resolved 目标)。
  • rc=2 privacy_blocked:fail-closed,草稿被隐私门控拦下,什么都没写。按 reason 修订草稿脱敏后重试。
  • rc=3 store_error:upsert/decide 拒绝了生命周期转换(如目标版本变了);产物可能已在盘上,按 error_type/error 排查。
  • rc=4 draft_unreadable:草稿读不出来,没写任何东西。
  • rc=5 runtime_not_ready:仅 CLI main 入口产生——assert_runtime_ready() 拒绝(外部数据根未认领,或旧状态迁移未完成);stderr 给出 JSON,什么都没写。commit_proposal 本身不产生此码;先按 references/12-self-evolve-scheduler.md 与 scripts/migrate_state.py 处理运行态再重试。

--disposition 默认 candidate,且这是 in-chat accept 的唯一合适值——交互流程中不要传 recommended/covered 等(那些归 cron 深度分析路径)。skill_upgrade 必须传 --target-skill,否则按 unknown 目标降级为 committed_candidate。

commit 写入外部 review/inbox/(内容哈希文件名、原子 no-clobber、0600、目录 fsync),复用 proposal_store 既有完整性约束(artifact 重算 SHA-256、revision-bound 快照)。accepted 只绑定当前 revision;后续真正改 skill 时再分别登记 applied(commit) 与 verified(见 references/08-evaluation-loop.md)。

七、非 skill 资产边界(铁律)

self-evolve 只到「带载荷提案」为止,不直接入库:

  • 法律知识规则、问答知识等非 skill 资产,self-evolve 负责识别 + 抽取 + 脱敏 + 组装成 ready-to-ingest 载荷 + 写提案,提案里写清「交付给 <owning skill> 入库」;
  • 真正入库由 owning skill 接手(如 legal-knowledge-engine 接规则包、legal-qa-extractor 接问答)。self-evolve 不直接写 owning skill 的规则包/知识库——那是「不自动改成熟 skill/资产」铁律的延伸。
  • config/asset_owners.yaml 仅当用户声明了 owning skill 时,才让 Branch A 对非 skill finding 也能指名道姓;未声明就走 Branch B 顾问模式。

八、涌现新资产类型

发现反复出现、但不归任何已知类(既不是某个 skill 升级、也不在 asset_owners 里)的模式时,不硬塞:

  • 标「疑似新资产类型:<你观察到的形态>,建议你定义它的家」;
  • 把「这该是什么资产 / 放到哪里」的定义权交还用户;
  • 用户定义清楚后再决定 accept(可能引出一次「新建小 skill」或「登记新 asset_owner」的后续动作)。

这防止知识工作者的非典型资产被强行塞进 skill,也防止 self-evolve 替用户下资产分类的决定。

九、边界清单

  • 不自动修改任何成熟 skill、AGENTS.md、用户上下文或项目上下文(本模式只产提案)。
  • 不保存 transcript 原文、未脱敏代码块或真实私有路径到可提交目录;落盘必经 privacy_gate(fail-closed)。
  • 「机器/agent 推荐」≠ applied;accepted(in-chat 确认)≠ verified。
  • 不碰外部 Cron、不改全局设置、不替用户决定资产分类。
  • 不把单次会话局部结论包装成稳定方法论;跨 session 反复出现 + 用户判断后才沉淀。

十、验证要点

软件修改后,用 synthetic 草稿验证:

  • map 在 inventory 缺失/损坏/正常三态下输出正确(缺失→提示、损坏→带错误提示、正常→地图);
  • commit 对敏感草稿(含电话/证件号等)fail-closed(rc=2、不写任何文件),对脱敏草稿写盘 + 登记;
  • skill_upgrade 命中 resolved 目标时 decide(accepted) 真触发(查 proposal 事件流含 human_decision/accepted);
  • article / missing / ambiguous 目标只登记 candidate、不 decide;
  • 同内容二次 commit no-clobber(同路径、不重复事件)。

详见 tests/test_interactive_sediment.py。

Source: SKILL.md on GitHub

skilld matched fixed text patterns in SKILL.md and file names. Patterns miss obfuscated code.

skilld run checks every file with the same patterns. It asks for approval before it loads a Skill with a behavior marked Needs approval.

1 warning18d3 checks · Risk SAFE
  • Gen Agent Trust Hub18d

    The skill is a tool for analyzing local AI agent session history to suggest improvements. It naturally requires access to local logs and performs local script execution, but it includes robust privacy gating and instructions to mitigate risks from untrusted data.

  • Socket18d

    No alerts

  • Snyk18d

    Risk: MEDIUM · 1 issue

Signed by skilld at 5fb69a0. This ties the file your Agent reads to that commit on GitHub. It does not review the instructions.

Last checked against GitHub yesterday.

Activeupdated 4 weeks ago
Other metadata
metadata
{
  "version": "1.28.1",
  "homepage": "https://github.com/cat-xierluo/legal-skills",
  "author": "杨卫薪律师(微信ywxlaw)"
}

README badge

README badge for cat-xierluo/legal-skills/self-evolve