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):
- 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); 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);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 maprefresh_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:
- 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。 - 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。
- 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?
- 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)。
- 「可考虑新建一个小 skill 起步」(若有
- 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):
- 地图摘要:从
map输出里摘重点 skill(core_skills 那几行)+ 全集总数。 - 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。
- 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 machinecandidate后立即登记 humanaccepted——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 CLImain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
commitno-clobber(同路径、不重复事件)。
详见 tests/test_interactive_sediment.py。