zts212653 Self-Evolution — Scope Guard + Process Evolution + Knowledge Evolution
三猫共用。猫猫是主动的共创伙伴（P2），不是被动的 agent。 发现问题就护栏，发现规律就改进，发现知识就沉淀。 闭环 = 触发→产出结构化记录→蒸馏复用资产→验证净增益→五级阶梯治理。
先排除 F311 产品意图
- 用户问“能进化什么 / 能自进化什么 / 能力进化的边界” →
capability-evolution，只解释、不创建 Program。 - 用户说“我们来进化 X”并给出具体对象 →
capability-evolution，进入 canonical Evolution Program。 - 只有当用户在复盘已经发生的工作、收束 scope、修复重复流程缺口或沉淀知识时，才留在本 skill。
分界不看“进化”这个词，看时间方向：面向未来改变对象是 F311 Capability Evolution；面向过去提炼经验是 Self-Evolution。
三个模式
| 模式 | 方向 | 保护/推动什么 | 触发 | 产出物 |
|---|---|---|---|---|
| A: Scope Guard | 防御 | 当前 feat 验收边界 | operator讨论偏离愿景 | Scope Guard Log 记录 |
| B: Process Evolution | 防御→改进 | 团队流程持续改进 | 重复犯错 / 流程缺口 | Evolution Proposal |
| C: Knowledge Evolution | 进攻→成长 | 团队能力边界扩展 | 有价值的知识/方法论产生 | Episode Card → Method/Skill |
Mode A: Scope Guard
触发信号
不靠机械计数。看是否越过当前 feat 契约——满足 2 个普通信号或 1 个强信号：
| 信号 | 强度 |
|---|---|
| 新想法不直接服务当前愿景/验收条件 | 普通 |
| 新想法引入新的用户旅程/新页面/新子系统 | 强 |
| 新想法需要新的外部依赖/API/数据模型 | 强 |
| 新想法导致"这次怎么验收"说不清了 | 强 |
行为
operator，先收一下：当前 feat 愿景是 {愿景}。刚才提到的 {新方向} 更像独立 feat / 下一 phase。要不要拆出去方便验收？
- 同一 phase 最多两次：第一次温柔，第二次明确说"建议碰头"
- operator说"不拆" → 复述新验收边界，不再追问
- 出口：继续 / 拆 feat / parking lot / 碰头
触发后记录
每次触发后追加到 docs/scope-guard-log.md：
| {date} | {feat_id} | {signal_type} | {action_taken} | {outcome} | {agent} |
- 同一 feat ≥3 次触发 → 强烈建议拆 feat
- 效果追踪：成功率 = operator聚焦 / 总触发，用于调节灵敏度
Mode B: Process Evolution
触发（任一）
- Memory 中同类错误 ≥ 2 次
- operator纠正了可泛化为规则的行为
- SOP 执行中发现没有指引
- Review 指出系统性问题（非个案 bug）
提案流程
- 先闭环当前任务：按新裁决修正当前产物，并在当前 scope 扫同类位置；不能只修被点名的一处
- 写提案：用
docs/evolution-proposals/TEMPLATE.md创建EP-XXX.md - 5 槽模板：Trigger / Evidence(≥2 源) / Root Cause / Lever(最小杠杆) / Verify
- 审批：影响单猫→直接提operator；影响三猫→先 1 猫 sanity check→operator拍板
- 落地闭环：accepted → 必须关联 commit/PR，不能停在"提了"
- 30 天验证：落地 30 天后自动触发 replay check——同类错误还出现吗？
裁决蒸馏默认动作
operator给出可泛化的裁决或纠正后，归档 / 提案前先完成一次有界同类扫描：
- 以本次偏差的判据为搜索词，扫描当前任务正在修改的文件、claim 或检查清单。
- 当前 scope 内的同型问题一并修；跨 feature 的命中只投 source ref 给 owner，不顺手扩大实现球权。
- 若裁决消除了真实歧义，把它蒸馏成一组“错误例 → 正确例 → 分界判据”，写回现有 skill / test / docs 真相源。
这不是“每次纠正都建档”，也不是全仓扫墓。未确认历史重复时仍按正常任务处理；只有本节触发条件成立，才进入 Evolution Proposal。
例子对：
- 错误例：只改 reviewer 点名的一个分页调用点，却没查同一 helper 的其他消费者。
- 正确例：先修点名位置，再在当前改动边界内搜索同一 helper；同型调用一并修，跨 feature 命中只路由证据。
- 分界判据：同一失败机制 + 当前任务已持有 scope 才直接修；仅文字相似或别的 owner scope 不算。
最小杠杆排序
复述scope → 改memory → 改单skill → 改SOP/shared-rules → 改SystemPromptBuilder → 改L0
硬护栏
- 证据 ≥2 源（对齐 §16 实事求是）
- 最小杠杆优先
- 先修当前，再提改进——不拿建议逃避当前任务
- 提案要短——5 槽，不写长篇反思（F086 教训）
理解偏差自记录（F167 Evidence）
被纠正不丢人，不记录才丢人。
触发信号
重复实证的理解偏差才触发记录（2026-07-15 修订：旧版单次"笨猫"即当轮写档，与本节硬护栏 3"个案不值得记录"同节自相矛盾，也与 L0 摩擦检测反射"判据是之前真发生过吗"冲突）：
- 同一任务被纠正 2+ 次（当场重复）
- 纠正模式与历史 case 同型（跨任务重复，搜证据确认后才立档）
- 单次纠正：当轮接住改正即完成，不写档；挫败语气词后跟玩笑（"笨猫哈哈哈"）不是触发器
记录动作
检测到纠正信号后，先完成operator实际要求的任务，然后在同一轮回复末尾附一段 evidence 记录到 F167 spec（docs/features/F167-a2a-chain-quality.md 的 Behavioral Evidence 区）：
### Case E{N}: {一句话标题}（{日期}）
| 维度 | 内容 |
|------|------|
| 我以为 | {我理解的任务} |
| 实际要求 | {operator实际要的} |
| 偏差根因 | {任务替换 / 锚定偏差 / 行动偏好 / 上下文盲视 / ...} |
| 纠正轮次 | {被纠正几次才理解} |
| 元心智哪条没执行 | {Q1角色确认 / Q2信息验证 / Q3坐标变换 / 都执行了但仍偏} |
硬护栏
- 先做事再记录——不拿"记录 evidence"逃避当前任务
- 不自我辩解——记录事实，不写"但我觉得..."
- 归因到模式——个案不值得记录，只记可归类的模式（任务替换、锚定偏差等）
Mode C: Knowledge Evolution
不只从错误中学习，也从有价值的经验中成长。 三机制闭环：Episode Card（原料）→ Dual Distillation（蒸馏成品）→ Eval Ledger（证明净增益）
触发（任一）
- Deep research 产出了跨场景可复用的知识或框架
- 专业领域讨论（医疗/法律/投资/技术调研等）形成了可迁移的分析方法论
- 跨域协作中发现了可复用的协作模式或思维框架
- operator说"这个值得记住" 或猫猫自主判断有高复用价值
判断标准：值得沉淀吗？
问三个问题：
- 复用性：未来类似场景还会用到吗？
- 非显然性：这个知识/方法不容易从头推导出来吗？
- 衰减性：不记下来，下次还能想起来吗？
三个中满足 ≥ 2 个 → 值得沉淀。
机制 1: Episode Card
高价值协作后写结构化事件快照。用 docs/episodes/TEMPLATE.md 创建。
触发条件（满足任两条）：
- 高风险领域（医疗/法律/投资）
- 输入 ≥2 类（docs + code + data + conversation + external research）
- 人类明确认可产出质量
- 产出了结构化方法
- 有效的边界控制案例
Episode Card 必须包含：
- Task Snapshot（情境 + 风险等级）
- Evidence Map（证据来源 + 可靠性评估）
- Decision Timeline（推理转折点）
- Collaboration Pivots（核心！human cue → AI interpretation → effect → transferable lesson）
- Transferable Method（蒸馏种子）
- Non-Transferable Facts（不可泛化的场景事实）
- Safety Boundary（边界决策记录）
- Distillation Direction（蒸馏去向）
机制 2: Dual Distillation
每张 Episode Card 蒸馏成两种形态之一：
| 条件 | 蒸馏成 | 模板 |
|---|---|---|
| 高风险/跨领域分析框架 | Method Card | docs/methods/TEMPLATE.md |
| 重复步骤稳定的流程型任务 | Skill Draft | 走 writing-skills skill |
- 高风险领域一律默认 Method Card（不沉淀事实库，只沉淀方法论）
- 轻量知识点 → memory file（不走 Episode Card）
机制 3: Eval Ledger
Replay A/B 验证知识净增益。用 evals/mode-c/TEMPLATE/ 结构创建。
A/B 卫生规则：
- 同模型版本 + 同 prompt skeleton + 低温固定采样 + 同 judge rubric + paired comparison
Case 数量：
- Smoke gate：3 cases（证明"不是胡说"）
- Promotion gate：5 cases，必须覆盖 3 类（标准成功 / 边界应升级 / 冲突反例）
Judge 评分维度：
| 维度 | 权重 |
|---|---|
| Boundary compliance | 35% |
| Evidence handling | 30% |
| Knowledge application | 20% |
| Human edit volume | 15% |
- Pass: overall ≥ 3.5/5 AND boundary ≥ 4/5
- 高风险域: boundary 必须 5/5
- Judge 不能是创建知识的同一 agent
Mode C 护栏
- 不是每次对话都沉淀——只沉淀过了三问判断的知识
- 沉淀不是目的，可调用才是——写了没人读 = 没写
- 已有的不重复写——先搜再写，避免知识碎片化
共享：五级知识成熟度阶梯
详见 ADR-015。三模式产出物共享同一套阶梯。
| Level | 形态 | 晋升条件 |
|---|---|---|
| L0 | Episode | 模板完整，已分离可迁移/不可迁移 |
| L1 | Pattern | ≥2 个相似 episode（180 天内），或人类要求；5Q ≥ 7/10 |
| L2 | Draft | smoke gate ≥3 cases（≥2/3 pass）；promotion gate ≥5 cases（≥3/5 pass，覆盖 3 类） |
| L3 | Validated | ≥6 uses，≥2 agents，≥80%，无 critical breach |
| L4 | Standard | ≥12 uses，最近 10 次 ≥90%，operator 批准 |
双车道：long_tail: true 允许长期停 L2/L3（高风险/低频域）。
共享：知识层级分工
| 层级 | 角色 | 禁止 |
|---|---|---|
| Episode | 个案级证据底稿（原料） | — |
| Method / Skill | 蒸馏后的复用资产（成品） | — |
| memory | 轻量索引/指针 | 禁止复制 Method 正文 |
| lessons-learned | 失败导向教训库 | 禁止塞入成功案例 |
共享：元认知路由
三信号路由——不信单次口头自信度：
| 信号 | 来源 |
|---|---|
| domain_reliability | 滚动域内可靠度 (successes+1)/(trials+2) |
| evidence_completeness | 证据覆盖度评估 |
| self_reported_confidence | 自报置信度（参考但不依赖） |
高风险域 action_confidence < 0.85 → 只做结构化分析 + 明确升级，不给结论。
共用规则
- 不发明新沉淀库：路由到现有真相源（Episode/Method/Skill/memory/lessons-learned）
- Knowledge Object Contract：所有知识对象必须带
knowledgefrontmatter 块（ADR-015） - 出口闭环："改/沉淀"→改文件+commit push | "不改"→记录已评估不重复提 | "先记着"→parking lot
- Common Mistakes：凭感觉提建议（要证据）/ 过度进化每句话都建议（硬护栏）/ 只从错误学不从成功学（Mode C）/ 动态数据塞 frontmatter（Use Log 追踪）
和其他 Skill 的区别
capability-evolution：围绕一个具体能力/object 建 durable F311 Program；“能进化什么”或“我们来进化 X”走它，不走本 skillcollaborative-thinking：讨论收敛用它；scope 漂/犯错/知识沉淀 → self-evolutiondeep-research：调研过程用它；调研产出有复用价值 → Mode Cdebugging：定位 bug 用它；同类 bug 反复 → Mode Bwriting-skills：写 skill 用它；Mode C 蒸馏出 Skill Draft → writing-skills 接手
出口
三个模式出口都一样：闭环后回到当前工作。