pillumina 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
- 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）；
- 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；
- 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）
| 用户说 | 路由 | 演进如何发生 |
|---|---|---|
| "沉淀 vllm-ascend 的 closed issue" / "做 reference 沉淀" / "诊断这个" | 内容 skill（issue-ingest / to-reference / to-postmortem / diagnose） | issue-ingest/to-reference/to-postmortem 收尾自动 evolve-check（无需用户另说）；diagnose 有内建 evolving（候选 case 起草/顺手 to-reference），其 L2/L3 缺口由 S2 replay 与深度轮覆盖 |
| "跑一轮自演进" / "看看有什么可改进" | 本 skill 深度轮 | 全库观测 → 候选卡 |
| "持续改进 X 命中率"（跨多轮） | 长期任务层（任务状态文件 proposals/tasks/）→ 每轮内容执行 + evolve-check | 任务轮内自动伴随 |
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）：
| 信号 | 数据源 | 候选动作 |
|---|---|---|
| 容量超 soft_cap / 健康指标恶化 | knowledge/_index.yaml 头注（build_index.py 生成） |
L1 拆分评估卡（ev_proposal） |
| 归因事件聚合浮出失败簇（反复执行错，按需聚合） | scripts/component_tally.py |
L2 修订该组件所在 skill 步骤 / triage 分支 |
| S2 校准集未测条目 / replay miss | scripts/s2_replay.py --todo |
L1 补 case 卡（S2 佐证缺口） |
| 指标漂移（命中率/回滚/token 趋势） | metrics/timeline.yaml + trace_metrics |
诊断式候选轮 |
| 长期任务轮间信号 | task/session state | 下一轮范围决策 |
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）
- 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（E6 落地后改用--impact聚合视图）； - 产骨架：
scripts/ev_proposal.py --new→ 填字段（layer / title / source_signals 带 trajectory / hypothesis / predicted_effect / validation / risk / principle_refs）；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； - agent 自行验证执行：按影响面分级选门禁（docs/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/--gate：golden 无回归 + val 命中/路由 严格提升，论证见 docs/evolution-eval-arena.md 可选层）；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）；
- 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：
- 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）；
- 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；
- 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）。
边界（不做）
- 内容目标不进本 skill（路由到内容 skill + evolve-check）；
- 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
| 能力 | 工具/入口 | 何时用 |
|---|---|---|
| 伴随评估（内容流程收尾） | /skill:evolve-check | 内容 skill 收尾自动（用户下内容目标时隐含） |
| 观测（深度轮信号） | scripts/component_tally.py / s2_replay.py --todo / _index.yaml 头注 |
深度轮 |
| 查重/产卡 | scripts/ev_proposal.py --list / --new |
产卡时 |
| 卡校验 | scripts/verify_proposals.py |
产卡后必跑 |
| 预测复核 | scripts/ev_measure.py <卡号> --run |
判采纳前必跑（判据跑不通的预测不算验证） |
| 验证门 | scripts/replay_golden.py / scripts/s2_replay.py |
skill/case 改动验证 |
| 内容沉淀（evolve-check 落点） | /skill:to-reference / /skill:to-postmortem | 伴随评估产出指向 |