Evolution Engine

Evolution Engine (自进化引擎)

本技能是 Agent 的"大脑升级系统"，负责从经验中学习、积累知识、识别模式、持续优化。

0. Core Philosophy (核心理念)

"每一次任务都是学习机会，每一个错误都是改进素材。"

• Continuous Learning: 持续从对话和代码中提取知识
• Pattern Recognition: 识别可复用的代码和工作模式
• Self-Reflection: 定期反思，总结经验教训
• Metric-Driven: 用数据驱动优化决策

1. Modules (模块清单)

2. Commands (命令入口)

2.1 /evolve - 手动触发进化

Trigger: 用户输入 /evolve 或 "进化" / "学习"

Action:

1. 处理 learning_queue.md 中所有待处理素材
2. 更新 knowledge_base.md 和 pattern_library.md
3. 分析 workflow_metrics.md 生成优化建议
4. 输出进化报告

2.2 /reflect - 触发反思

Trigger: 用户输入 /reflect 或 "反思"

Action:

1. 读取当前会话的任务完成情况
2. 生成反思报告并追加到 reflection_log.md
3. 提取 Action Items

2.3 /knowledge - 查询知识库

Trigger: 用户输入 /knowledge [query] 或 "知识 [query]"

Action:

1. 搜索 knowledge_base.md 索引
2. 读取匹配的知识条目
3. 返回相关知识摘要

2.4 /patterns - 查询模式库

Trigger: 用户输入 /patterns [query] 或 "模式 [query]"

Action:

1. 搜索 pattern_library.md
2. 返回匹配的代码模式和模板

3. Automatic Behaviors (自动行为)

3.1 任务完成后入队

Trigger: 任何任务 (T-xxx) 标记为完成

Action:

learning_queue.add:
  source_type: code_change
  source_id: T-xxx
  priority: P2
  metadata:
    files_changed: [...]
    description: "..."

3.2 错误修复后入队

Trigger: Auto-Fix 成功修复错误

Action:

learning_queue.add:
  source_type: error_fix
  source_id: error-timestamp
  priority: P1
  metadata:
    error_type: "..."
    root_cause: "..."
    solution: "..."

3.3 工作流完成后记录指标

Trigger: 工作流执行完成（成功或失败）

Action:

1. 计算工作流耗时
2. 记录成功/失败状态
3. 追加到 workflow_metrics.md

3.4 IDLE 状态处理队列

Trigger: 状态变为 IDLE 且 learning_queue 不为空

Action:

1. 处理队列中 P0/P1 优先级素材
2. 更新知识库和模式库

4. Knowledge Harvester (知识收割机)

4.1 知识提取规则

从以下来源提取知识：

4.2 知识条目模板

---
id: k-xxx
title: [Title]
category: [architecture|debugging|pattern|workflow|tooling]
tags: [tag1, tag2]
created: YYYY-MM-DD
confidence: 0.7
references: [source-id]
---

## Summary
[一句话总结]

## Details
[详细说明]

## Code Example (if applicable)
\`\`\`dart
// code
\`\`\`

## Related Knowledge
- k-yyy: [Related Title]

4.3 Confidence 更新规则

5. Pattern Detector (模式检测器)

5.1 模式识别触发

代码提交后，扫描 Git diff：

1. 检查是否与已知模式匹配
2. 检查是否出现新的重复结构

5.2 模式提升规则

IF pattern.occurrences >= 3 AND pattern.confidence >= 0.7
THEN promote to pattern_library as ACTIVE

5.3 复用提示

开发新功能时：

1. 读取功能描述
2. 搜索 pattern_library.md
3. 若有匹配模式，提示复用

6. Workflow Optimizer (工作流优化器)

6.1 指标收集点

6.2 优化建议触发

IF workflow.avg_duration > threshold * 1.5
OR workflow.success_rate < 0.8
THEN generate_optimization_suggestion()

6.3 建议模板

## Optimization Suggestion: [Workflow Name]

**Issue**: [问题描述]
**Data**: 
- 平均耗时: X min (阈值: Y min)
- 成功率: X% (目标: 80%+)
- 最常见瓶颈: [Phase Name]

**Suggestion**: [优化建议]
**Expected Impact**: [预期效果]

7. Reflection Engine (反思引擎)

7.1 触发时机

• 自动: 状态从 EXECUTING 变为 ARCHIVING
• 手动: 用户输入 /reflect

7.2 反思流程

1. 读取 active_context.md 任务完成情况
2. 分析本次会话特点：
   - 任务完成率
   - 自动修复次数
   - 回滚次数
   - 耗时分布
3. 生成反思报告 (What Went Well / What Could Improve)
4. 提取 Learnings (转化为知识条目)
5. 提取 Action Items (转化为待办事项)
6. 追加到 reflection_log.md

7.3 Action Item 跟踪

Action Items 追加到 active_context.md 的任务队列中，标记为 [REFLECTION]：

- [ ] [REFLECTION] 将 Loading Pattern 标准化为代码模板

8. Evolution Report (进化报告)

执行 /evolve 后，输出进化报告：

# 🧬 Evolution Report - YYYY-MM-DD

## 📚 Knowledge Updated
- **New**: X items
- **Updated**: X items
- **Deprecated**: X items

## 🔄 Patterns Detected
- **New**: X patterns
- **Promoted**: X patterns

## 📊 Workflow Insights
- **Most Used**: [Workflow Name]
- **Bottleneck**: [Phase Name]
- **Optimization Suggestions**: X

## 💭 Reflections Processed
- **Sessions**: X
- **Action Items Completed**: X/Y

## 🎯 Recommended Next Steps
1. [Action 1]
2. [Action 2]

9. Integration Points (集成点)

9.1 与 context-manager 集成

• 反思结果写入 active_context.md
• 进化状态更新 frontmatter

9.2 与 feature-flow 集成

• 任务完成后触发知识入队
• 工作流完成后记录指标

9.3 与 analyze-error 集成

• 错误修复后触发知识入队
• 更新 project_decisions.md 的 Known Issues

9.4 与 GEMINI.md (全局配置) 集成

• 注册 /evolve, /reflect, /knowledge, /patterns 命令
• 添加自动行为触发器

10. Data Retention (数据保留)

Last Updated: 2026-02-08

Converted and distributed by TomeVault — claim your Tome and manage your conversions.