Evolve

Self-Evolving Agent v5.11.0

[版本檢查] → 北極星錨定 → [Worktree 隔離] → PSB 環境檢查 → 目標分析（🔗 brainstorming）→ 自動領域識別 → 評估能力 → 習得技能 → PDCA 執行（🔗 TDD + verification）→ 診斷（🔗 systematic-debugging）→ 多策略重試 → Repo 記憶 → 定期健檢 → [Worktree 完成] → 直到成功

快速導覽

本 skill 採用原子化架構，將知識拆分為獨立模組：

使用方式

/evolve [目標描述]

# 範例
/evolve 建立一個能自動生成遊戲道具圖片的 ComfyUI 工作流程
/evolve 優化這段程式碼的效能，目標是降低 50% 執行時間
/evolve 為這個專案建立完整的測試覆蓋率達到 80%

Flags

--explore          # 探索模式 - 允許自主選擇方向
--emergence        # 涌現模式 - 啟用跨領域連結探索
--autonomous       # 自主模式 - 完全自主，追求系統性創新
--max-iterations N # 最大迭代次數（預設 10）
--from-spec NAME   # 從 spec-workflow 的 tasks.md 執行

核心哲學

人類與 AI 協作的本質：透過抽象化介面溝通

深層洞察：

• Skill 不只是知識，是「封裝好的判斷力」
• 告訴 AI 在什麼情況下，用什麼方式，達成什麼目標
• 減少決策點 > 讓 AI 自己選擇

設計原則

執行流程概覽

Self-Evolving Loop v5.2

0. 🔄 版本檢查（自動）— 檢查更新、詢問用戶、自動更新
1. 🌟 CP0: 北極星錨定 — 願景、完成標準、不做清單、動機
2. 🔒 CP0.5: Worktree 隔離（條件觸發）— Level 2 / autonomous / 並行任務
3. PSB System — Plan → Setup → Build（環境準備）
4. 目標分析 — 深度訪談 + 架構等級判斷（Level 2 強制）
5. 能力評估 → Skill 習得
6. PDCA Cycle — Plan → Do → Check → Act（含多策略選擇）
   • CP3: 方向校正（對照北極星）
7. Git-based Memory — 記錄學習經驗
8. 🏥 CP6: 專案健檢（每 5 次迭代）— Scope、方向、終止檢查
9. 🏁 CP6.5: Worktree 完成（條件觸發）— 合併/清理

↻ 重複直到：目標達成 或 達到最大迭代次數

主要功能：Superpowers 整合 | LEANN 語義搜尋 | Worktree 隔離 | 北極星系統 | 深度訪談

詳見：CHANGELOG | 05-integration | 02-checkpoints

架構考量三層設計

→ 設計 → 實作 → 驗證 閉環

強制檢查點（護欄）

這些檢查點不可跳過，詳見 02-checkpoints

Checkpoint 並行化

效率優化：以下 CP 可並行執行：

• CP1 + CP1.5 Phase 1：Memory 搜尋與基礎一致性檢查互不依賴，使用 run_in_background: true 同時啟動
• CP4 + 下一迭代 Plan：涌現檢查在背景運行，不阻塞後續 PDCA

不可並行：CP0/CP0.5 必須先完成；CP1.5 Phase 2 依賴 CP1 結果；CP2 → CP3 為序列關係。

詳見 02-checkpoints/README.md

CP1.5 兩階段設計

Phase 1: 基礎檢查（必執行）

• 搜尋現有實作，避免重複造輪子
• 檢查專案慣例（命名、風格）
• 檢查 Schema/API 一致性

Phase 2: 架構檢查（自動偵測觸發）

• 依賴方向、錯誤處理一致性、橫切關注點、設計模式一致性

觸發條件：新增目錄/模組、變更涉及 3+ 目錄、新增外部依賴、觸及 core/infra/domain/shared/、新增公開 API

停止條件

完成信號

• ✅ GOAL ACHIEVED: [目標描述]
• ⏸️ NEED HUMAN: [原因]
• ❌ CANNOT COMPLETE: [原因]

相關資源

• Reflexion Paper
• OpenAI Self-Evolving Agents Cookbook
• Andrew Ng - Agentic Design Patterns