# Multi Mechanism Self Evolution > 多机制协同自我进化系统 - 通过多个机制配合实现完整的 AI 自我进化能力 - Skill: `drgon1/multi-mechanism-self-evolution` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add drgon1/multi-mechanism-self-evolution` - Raw SKILL.md: https://api.skillmd.com/api/skills/drgon1/multi-mechanism-self-evolution/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: drgon1 (https://skillmd.com/u/drgon1) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/drgon1/multi-mechanism-self-evolution --- # 多机制协同自我进化系统 ## 🎯 核心理念 **单一机制无法实现完整的自我进化，需要多个机制协同工作。** 本 Skill 整合了以下核心机制，形成闭环的自我进化系统： ``` ┌─────────────────────────────────────────────┐ │ 多机制协同自我进化系统 │ ├─────────────────────────────────────────────┤ │ │ │ 1️⃣ 自动经验沉淀触发器（监控层） │ │ ↓ │ │ 2️⃣ 强制自检前置机制（检测层） │ │ ↓ │ │ 3️⃣ 提示词优先原则（决策层） │ │ ↓ │ │ 4️⃣ 两端消息排查法（执行层） │ │ ↓ │ │ 5️⃣ Skill 复用优先级（应用层） │ │ │ └─────────────────────────────────────────────┘ ``` --- ## 🔧 五大核心机制 ### 机制 1：自动经验沉淀触发器（监控层） **功能**：全程静默监控，满足条件自动触发经验沉淀 **三大触发条件**： | 触发类型 | 判定标准 | 典型场景 | |---------|---------|---------| | ⏱️ **时长触发** | 推理+调试耗时 > 40秒 | 复杂报错、链路异常 | | 🔄 **试错触发** | 同一故障点试错 ≥ 3轮 | 参数调整、方案切换 | | 🔗 **同源触发** | 识别为历史同类问题 | 端口冲突、消息流异常 | | 🚨 **犯错纠正触发** | 用户指正/AI承认/规则违反 | 连续犯错≥2次 | **动作**：立即停止当前任务 → 执行自检 → 创建 Skill --- ### 机制 2：强制自检前置机制（检测层） **功能**：在任何操作之前必须先执行自检，主动检测是否应该触发沉淀 **触发时机**：完成以下任一操作后，**在进行下一步之前**必须先自检 1. 故障排查（代码错误、消息链路、接口对接） 2. 用户纠正（指出错误、违反规则） 3. 试错超过 2 轮 4. 修改代码或提示词 5. 重启服务验证 6. 任何工具调用（search_replace、create_file、run_in_terminal） **自检流程**（必须按顺序执行，不能跳过）： ``` 步骤 1：搜索对话历史中的关键词 - grep_code(regex="你犯错了|你违反了|不对|错误", path="当前会话") - grep_code(regex="你说得对|我犯了错误|抱歉", path="当前会话") - 检查最近 5 轮对话是否有纠正模式 步骤 2：回答自检问题 ✅ 是否犯过错误？ - 被用户纠正过？ - 违反了已知规则？ - 做出了错误决策？ ⏱️ 是否浪费了时间？ - 处理耗时 > 40秒？ - 试错次数 ≥ 3轮？ - 走了弯路？ 📋 是否有可复用经验？ - 同类问题可能再出现？ - 有标准化的解决流程？ - 可以写成 Skill 供下次直接使用？ 🔄 是否需要更新已有 Skill？ - 发现了更优解法？ - 修正了之前的错误认知？ - 补充了新的边界情况？ 步骤 3：决策 - 如果任一答案为"是" → **立即停止，先创建/更新 Skill** - 全部答案为"否" → 继续当前任务 ``` **关键原则**： - ⚠️ **自检必须在任何操作之前执行**，不是事后补救 - ⚠️ **必须使用 grep_code 主动搜索关键词**，不能依赖记忆 - ⚠️ **如果发现关键词匹配，立即触发沉淀，不得继续其他任务** --- ### 机制 3：提示词优先原则（决策层） **功能**：当大模型输出格式不符合预期时，优先检查并修改系统提示词 **核心规则**： - ❌ **禁止**：直接修改中间层代码去兼容错误输出 - ✅ **正确**：优先检查 System Prompt 是否明确要求了正确格式 - ✅ **优化**：如果提示词不明确，添加明确的正确示例 - ✅ **简化**：只展示正确示例，不要展示错误示例 - ✅ **权重**：重要规则放在 `` 标签内 **示例**： ```python # ❌ 错误做法：看到 DeepSeek 返回嵌套标签，直接改解析代码 if tag.has_content: args["content"] = content.strip() # 添加特殊逻辑处理嵌套标签... # ✅ 正确做法：修改提示词，让 DeepSeek 输出正确格式 tools_instruction += "\n\n\n" tools_instruction += "[XML 工具调用格式 - 必须遵守]\n" tools_instruction += "- 所有工具调用必须使用自闭合标签格式\n" tools_instruction += "- 示例：\n" tools_instruction += "\n" ``` **效率对比**： - 直接改代码：10 分钟 + 后续维护成本 - 修改提示词：2 分钟 + 一劳永逸 --- ### 机制 4：两端消息排查法（执行层） **功能**：标准化的故障排查流程，避免盲目猜测 **五步流程**（必须按此固定顺序执行）： ``` ① 检查 Cursor 客户端请求报文 ↓ ② 检查 LLM 服务端原生响应 ↓ ③ 若两端正常但输出异常 → 判定中间路由层故障 ↓ ④ 确认中间层故障后立即重启服务（禁止长时间推理分析） ↓ ⑤ 重启无效时再锁定中间层代码问题定向修改 ``` **关键原则**： - ⚠️ **重启只需要 30 秒，分析可能需要 30 分钟** - ⚠️ **发现问题优先执行既定动作而非推演** - ⚠️ **所有操作必须按固定顺序执行，不得跳步** --- ### 机制 5：Skill 复用优先级（应用层） **功能**：已有 Skill 自动提升执行优先级，跳过重复思考 **执行优先级规则**： ``` 已沉淀的 Skill 流程 > 临场自主思考 既定排错流程 > 发散分析猜测 故障处理动作 > 长时间逻辑推演 ``` **复用流程**： ``` 遇到问题 ↓ 搜索 .lingma/skills/ 目录 ↓ 找到同类 Skill？ ├─ 是 → 直接调用，跳过试错和冗余思考 └─ 否 → 解决问题后自动沉淀为新 Skill ``` **效率提升**： - 第一次遇到：30 分钟（调试 + 沉淀） - 第二次遇到：**30 秒**（直接调用 Skill） - 第三次遇到：**10 秒**（自动匹配） --- ## 🔄 协同工作流程 ### 完整闭环 ``` ┌──────────────────────────────────────────────────┐ │ 用户提出问题 │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 机制 2：强制自检前置 │ │ • grep_code 搜索关键词 │ │ • 回答 4 个自检问题 │ │ • 任一为"是" → 触发沉淀 │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 机制 1：自动经验沉淀触发器 │ │ • 时长 > 40s？ │ │ • 试错 ≥ 3轮？ │ │ • 同源场景？ │ │ • 犯错纠正？ │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 机制 4：两端消息排查法 │ │ • ① 检查客户端 │ │ • ② 检查服务端 │ │ • ③ 判定中间层 │ │ • ④ 立即重启 │ │ • ⑤ 定向修改 │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 机制 3：提示词优先原则 │ │ • 优先修改 System Prompt │ │ • 只展示正确示例 │ │ • 放在 里 │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 生成/更新 Skill │ │ • 复盘全流程 │ │ • 压缩精简 │ │ • 标准化成文 │ │ • 保存到 .lingma/skills/ │ └────────────────────┬─────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────┐ │ 机制 5：Skill 复用优先级 │ │ • 提升新 Skill 的执行优先级 │ │ • 下次同类问题直接调用 │ └──────────────────────────────────────────────────┘ ``` --- ## 💡 实际应用案例 ### 案例 1：DeepSeek XML 格式问题 **问题**：DeepSeek 返回嵌套标签 `...` 而不是自闭合格式 **传统方式**（无多机制协同）： 1. 直接改代码兼容嵌套标签（❌ 违反机制 3） 2. 反复测试不同解析逻辑（❌ 浪费 10 分钟） 3. 没有沉淀经验（❌ 下次还会犯同样错误） **多机制协同方式**： 1. **机制 2**：grep_code 搜索到"你犯错了" → 立即触发自检 2. **机制 1**：检测到"连续犯错≥2次" → 强制触发沉淀 3. **机制 4**：执行两端消息排查法 → 检查 DeepSeek 原生响应 4. **机制 3**：发现提示词只有模糊说明 → 修改提示词添加正确示例 5. **机制 5**：生成 `prompt-engineering-best-practices.md` Skill 6. **结果**：2 分钟解决，下次直接复用 **效率提升**：80% ⚡ --- ### 案例 2：中间层消息流异常 **问题**：Cursor 收不到 DeepSeek 的回复 **传统方式**： 1. 查看日志，猜测各种可能原因（❌ 发散分析） 2. 尝试修改不同模块的代码（❌ 盲目试错） 3. 花费 30 分钟仍未定位 **多机制协同方式**： 1. **机制 1**：时长 > 40s → 自动触发沉淀 2. **机制 4**：执行两端消息排查法 - ① 检查 Cursor 请求 → 正常 - ② 检查 DeepSeek 响应 → 正常 - ③ 判定中间层故障 - ④ 立即重启服务（30 秒） - ⑤ 问题解决 3. **机制 5**：调用已有 Skill `中间层消息流问题排查.md` 4. **结果**：30 秒解决 **效率提升**：98% ⚡ --- ## 📊 机制对比表 | 机制 | 作用层级 | 核心功能 | 触发方式 | |------|---------|---------|---------| | 机制 1：自动经验沉淀触发器 | 监控层 | 全程监控，满足条件自动触发 | 时长/试错/同源/犯错 | | 机制 2：强制自检前置机制 | 检测层 | 操作前主动检测是否应沉淀 | 每次操作前必须执行 | | 机制 3：提示词优先原则 | 决策层 | 优先修改提示词而非代码 | 格式问题时启用 | | 机制 4：两端消息排查法 | 执行层 | 标准化故障排查流程 | 消息链路异常时启用 | | 机制 5：Skill 复用优先级 | 应用层 | 已有 Skill 优先复用 | 遇到问题时自动匹配 | --- ## 🎯 为什么需要多机制协同？ ### 单一机制的局限性 | 单一机制 | 缺陷 | |---------|------| | 只有触发器 | 被动等待，无法主动检测 | | 只有自检 | 不知道何时自检，缺乏触发条件 | | 只有提示词优先 | 只解决格式问题，不解决其他故障 | | 只有排查法 | 只解决消息流问题，不解决其他类型 | | 只有复用 | 没有新 Skill 沉淀，无法应对新问题 | ### 多机制协同的优势 ✅ **全覆盖**：从监控、检测、决策、执行到应用，全链路覆盖 ✅ **互补性**：各机制互相补充，形成完整闭环 ✅ **自动化**：无需人工干预，系统自动运行 ✅ **持续进化**：每次解决问题都让系统更聪明 --- ## 🚀 如何启用 ### 1. 克隆仓库 ```bash git clone https://github.com/drgon1/santian.git cd santian ``` ### 2. 查看已沉淀的 Skills ```bash ls ai-skills/.lingma/skills/ ``` 当前包括： - `全局自动经验沉淀触发器.md`（机制 1 + 机制 2） - `中间层消息流问题排查.md`（机制 4 的具体实现） - `multi-mechanism-self-evolution.md`（本 Skill，整合所有机制） ### 3. 开始使用 正常使用 LamaPuppeteer 服务，系统会自动监控并沉淀经验。 ```bash cd lama-puppeteer .\start_dispatcher.bat ``` ### 4. 查看新沉淀的 Skills 每次解决问题后，检查 `.lingma/skills/` 目录是否有新增文件。 --- ## 📈 效果评估 ### 效率提升统计 | 指标 | 传统方式 | 多机制协同 | 提升幅度 | |------|---------|-----------|---------| | 首次问题解决时间 | 30 分钟 | 30 分钟 + 自动沉淀 | 持平（但积累资产） | | 二次问题解决时间 | 30 分钟 | **30 秒** | **98%** ⚡ | | 三次问题解决时间 | 30 分钟 | **10 秒** | **99%** ⚡⚡ | | 知识积累 | ❌ 每次从零开始 | ✅ 持续累积 | 无限增长 | | 团队协作 | ❌ 经验无法共享 | ✅ Skill 可共享 | 团队受益 | ### 真实案例统计 ``` 项目：LamaPuppeteer 中间层 时间：2026-05-18 问题类型：DeepSeek 工具调用格式 传统方式总耗时：~50 分钟 - 第一次：20 分钟（改代码兼容） - 第二次：15 分钟（展示错误示例） - 第三次：15 分钟（用户纠正后才反思） 多机制协同总耗时：~2 分钟 - 第一次：2 分钟（修改提示词 + 沉淀 Skill） - 第二次：30 秒（直接调用 Skill） - 第三次：10 秒（自动匹配） 效率提升：96% ⚡⚡⚡ ``` --- ## 🤝 贡献指南 欢迎贡献新的机制或改进现有机制！ ### 添加新机制 1. Fork 本仓库 2. 在本文档中添加新机制章节 3. 说明机制的功能、触发条件、与其他机制的协同关系 4. 提交 Pull Request ### 报告问题 如果发现有 Bug 或有改进建议，请提交 Issue。 --- ## 📖 相关资源 - [全局自动经验沉淀触发器](全局自动经验沉淀触发器.md) - 机制 1 和机制 2 的详细实现 - [中间层消息流问题排查](中间层消息流问题排查.md) - 机制 4 的具体实现 - [Anthropic Agent Skills 规范](https://agentskills.io) - [Awesome Claude Skills](https://github.com/ComposioHQ/awesome-claude-skills) ---
**⭐ 如果这个多机制协同系统对你有帮助，请给个 Star！** Made with ❤️ by [drgon1](https://github.com/drgon1)