进化引擎免费版（Evolution Engine Free）

让 Agent 不重复犯错的基础工具。 通过纠错学习与反污染防线，让 Agent 从用户纠正中积累经验。本免费版提供基础纠错记录与反污染防线，覆盖单 Agent 纠错学习需求.

输入格式

参数名	类型	必填	说明
input	string	是	进化引擎免费版处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

核心能力

纠错学习机制：用户明确纠正时记录到 corrections.md，召回时优先注入。参数：纠错信号（直接否定"不对，那不是..."、修正"其实应该是..."、指出错误"你错了关于..."、偏好表达"我喜欢 X 不是 Y"）。输出：带"待观察"标记的纠错记录，召回时优先注入避免重复犯错。最近 50 条纠错始终可查.
反污染防线：基础防线避免误学虚假规则。参数：第 1 级沉默不记录（永不从沉默推断"做对了"）、第 2 级单次纠错不晋升（避免单点误判成永久规则）。输出：纠错记录写入 corrections.md 标记"待观察"，不直接晋升热层。用户明确表达才记录，一次性指令与假设性内容不记录.
基础分层记忆：热层与纠错层两层存储降低 token 消耗。参数：热层 memory.md（≤100 行，始终加载，确认规则与核心偏好）、纠错 corrections.md（最近 50 条，回顾时加载）。输出：热层始终加载提供核心规则，纠错层按需加载提供最近纠错教训.
自反思机制：完成重要工作后暂停评估。参数：反思三问（是否达到预期、哪里可以更好、这是模式吗）。输出：反思日志格式"情境：[任务类型] / 反思：[我注意到了什么] / 经验：[下次如何不同]"。触发时机：完成多步任务后、收到反馈后、修复 bug 后。反思写入 corrections.md.

纠错学习机制

针对纠错学习机制,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供纠错学习机制相关的配置参数、输入数据和处理选项. 输出: 返回纠错学习机制的处理结果。- 验证返回数据的完整性和格式正确性

参考纠错学习机制的配置文档进行参数调优

反污染防线

针对反污染防线,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供反污染防线相关的配置参数、输入数据和处理选项. 输出: 返回反污染防线的处理结果。- 验证返回数据的完整性和格式正确性

参考反污染防线的配置文档进行参数调优

基础分层记忆

针对基础分层记忆,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供基础分层记忆相关的配置参数、输入数据和处理选项. 输出: 返回基础分层记忆的处理结果。- 验证返回数据的完整性和格式正确性

参考基础分层记忆的配置文档进行参数调优

快速开始

确认运行环境满足依赖说明中的要求
在AI Agent对话中调用本技能,提供必要的输入参数
检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

使用流程

领先步：初始化记忆架构。在 ./evolution-engine/ 创建基础目录结构：memory.md（热层，≤100 行，确认规则与核心偏好）、corrections.md（纠错层，最近 50 条纠错记录）. 第二步：识别学习信号。区分两类信号：纠错信号（直接否定、修正、指出错误、偏好表达→写入 corrections.md 标记"待观察"）、忽略信号（一次性指令、上下文特定、假设性、沉默、第三方偏好→不记录）。永不从沉默推断偏好. 第三步：执行纠错学习。用户纠正时写入 corrections.md 标记"待观察"；召回时优先注入纠错教训避免重复犯错。单次纠错不晋升热层 memory.md，需多次一致确认才考虑入档. 第四步：自反思与记录。完成重要工作后执行反思三问（是否达到预期、哪里可以更好、这是模式吗），写入 corrections.md。反思转化为经验记录，下次类似任务时参考. 结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

错误处理

错误类型	原因	处理方式
重复犯同类错误	corrections.md 无记录或召回时未注入纠错教训	确认纠错已写入 corrections.md；检查召回流程是否优先注入纠错记录；验证 corrections.md 未超 50 条限制
误学虚假规则	违反反污染防线，从沉默推断偏好或单次纠错直接晋升	立即删除从沉默推断的记录；确认单次纠错仅写入 corrections.md 标记"待观察"，不晋升 memory.md
热层膨胀超 100 行	纠错记录过多晋升到 memory.md 未控制	手动执行压缩：合并相似规则、摘要冗长条目；控制晋升频率，仅多次确认的规则才入热层

示例

示例：纠错学习避免重复犯错

输入：

会话 A：
  代理生成代码未加类型注解
  用户纠正："加上类型注解，我们用 TypeScript 严格模式"

执行与输出：

→ 写入 corrections.md：
  ID: corr_001
  信号类型：直接纠正
  内容：TypeScript 项目必须加类型注解
  标记：待观察
  时间：2026-07-15
# ...
会话 B（新 TypeScript 项目）：
  代理召回 corrections.md → 发现 corr_001 纠错记录
  → 优先注入："注意：TypeScript 项目需加类型注解（来自 corrections.md）"
  → 代理生成代码时自动加类型注解
  → 避免重复犯错
# ...
反污染防线：
  - 用户未纠正时（沉默）不记录"做对了"
  - 单次纠错仅标记"待观察"，不晋升 memory.md 热层
  - 需多次一致确认才考虑入档

FAQ

Q1：免费版支持进化指标度量吗？ 不支持。免费版不提供 metrics.md 进化指标追踪（纠错频率、晋升率、复用率、重复犯错率、反思转化率）。进化指标度量在付费版提供，让"Agent 是否变好"可量化. Q2：免费版有命名空间隔离吗？ 没有。免费版仅提供热层（memory.md）与纠错层（corrections.md）两层，无项目/领域/全局三级命名空间隔离。多项目场景可能发生跨项目偏好污染。命名空间隔离在付费版提供. Q3：免费版的反污染防线和付费版有什么区别？ 免费版提供 2 级防线（沉默不记录、单次纠错不晋升）。付费版提供完整 3 级防线（新增第 3 级：3 次一致才确认晋升热层），并包含完整的晋升流程（待观察→模式候选→询问用户确认→晋升或归档）.

依赖说明

LLM 依赖：由 Agent 内置 LLM 提供自然语言理解、纠错识别与反思推理能力，必需. API Key 配置：本 Skill 无需任何 API Key，纯 Markdown 指令驱动，所有记忆存储在本地 ./evolution-engine/ 目录，不做任何网络请求. 运行环境：

Agent 平台：支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
操作系统：Windows / macOS / Linux
文件系统：本地存储，必需，操作系统内置

可用性分类：MD（纯 Markdown 指令，无需 exec 命令行能力）。所有记忆通过文件读写管理.

已知限制

无进化指标度量：不提供纠错频率、晋升率、复用率、重复犯错率、反思转化率等进化指标追踪，无法量化 Agent 是否变好.
无命名空间隔离：仅热层与纠错层两层，无项目/领域/全局三级隔离，多项目场景可能发生跨项目偏好污染.
无自动晋升降级：不提供模式 7 天用 3 次自动晋升、30 天未用自动降级、90 天未用自动归档的自动维护机制，需手动管理.
反污染防线不完整：仅 2 级防线（沉默不记录、单次不晋升），无第 3 级 3 次确认晋升流程，模式晋升需手动判断.

升级提示

本免费版提供基础纠错学习与反污染防线。升级到付费版可获得以下完整能力：

完整 3 次确认晋升闭环：纠错→待观察→模式候选（第 2 次）→询问用户确认（第 3 次）→晋升 memory.md 或归档，完整防误判流程
进化指标度量：纠错频率、晋升率、复用率、重复犯错率、反思转化率 5 项指标，每周自动生成趋势分析与待改进建议
命名空间隔离：全局/领域/项目三级隔离（memory.md / domains/ / projects/），避免跨项目偏好污染
完整分层记忆：热层（≤100 行）+ 温层（projects/ domains/，≤200 行/文件）+ 冷层（archive/）+ 纠错层（corrections.md 最近 50 条）四层协同
压缩不删除策略：文件超限时合并相似规则、归档未用模式、摘要冗长条目，永不丢失已确认偏好
自动晋升降级：模式 7 天用 3 次晋升热层、30 天未用降级温层、90 天未用归档冷层，自动维护
透明度与安全边界：每次基于记忆的行动引用来源，每周摘要，按需导出 ZIP

付费版适合需要长期经验沉淀、多项目模式复用、可衡量进化的团队与高级 AI Agent 应用场景.

进化引擎免费版

安装到 Tokeny（自动）

SKILL.md