华为云码道Skill自进化：评测驱动闭环与轨迹提炼如何落地

开发任务总会重复出现，开发者可以把要求写成Skill，但老办法往往拿不出量化评测数据——哪些要求真被满足、下一版该改哪儿，都说不清楚。码道为此搭了一套演化循环，按“意图识别 → 评测集生成 → Skill 编写 → A/B 测试 → 轨迹分析”走，用量化结果和执行反馈给下一轮Skill编写指方向。同时，它还会从用户与智能体的任务轨迹里提炼经验，在交互过程中生成可复用的Skill。

背景、问题及挑战

设想一个团队，每天都在新增接口、补测试、修缺陷，智能体已经能参与这些活儿，可长期用下来冒出三个问题。

头一个，要求是明确的，却每次都得重新解释一遍。比如给接口补测试，开发者总要提醒智能体：光验证成功响应不够，鉴权、非法参数、重复提交、状态转换都得查。单次对话里提的要求，会话一结束就失效了。

第二个，现有方法还是会漏细节，而且工作时做演化可能抢模型资源。团队手上有一份接口测试Skill，可碰到重复提交或订单状态变化，它仍可能只断言响应码，数据和副作用没查。开发者想的是先把评测要求定清楚，再让系统趁空闲时间自动演化，少影响工作时的模型调用。

第三个，有价值的经验藏在执行过程里。智能体修问题时，可能摸出一个不明显的构建顺序，或者反复排查后找到稳定的测试隔离方式。没有人主动整理，这些经验就很容易留在历史聊天记录中，下回遇到类似任务还得从头探索。

这三个问题对应三种使用需求：目标明确时，靠评测结果指引Skill生成；日常开发时，从真实任务轨迹里提炼经验；已有Skill和评测任务时，利用空闲时间自动演化。码道的Skill自进化能力为这三种需求分别留了入口，让能力建设、经验沉淀与闲时优化接成一个连续过程。

码道Skill自进化技术方案

2.1 评测驱动的 Skill 演化闭环

码道的Skill自进化能力会给每个Skill备一个物理演化空间，评测集、分版本的Skill，以及每次AB测试对应的轨迹分析结果与版本证据，都集中存在这里。用户目标明确时，Skill自进化就按用户输入的目标编写评测集，生成候选Skill，再拿当前评测集上的实际测试判断这个Skill是否有效，据此决定取舍和下一轮改进方向，如图 1 所示。用户会话空闲时，它还会自动演化演化空间中的Skill，把空闲时间合理用起来，让Skill的能力持续变强。

图 1：Skill 演化空间中的评测集、Skill 版本与轨迹分析结果

2.2 基于任务轨迹的 Skill 生成

另外，码道的Skill自进化能力也能从用户与智能体的实际交互里发现经验。如图 2，插件在交互过程中一直监听工具调用与助手轮次，把任务轨迹攒下来；择时触发隔离工作区中的分析与Skill生成。这套能力要做的，是从用户真实解决任务的实践中提取高价值的复用模式，并沉淀为Skill。

码道Skill自进化案例

假设你所在的团队维护订单服务，既要给下单、取消订单接口补齐测试，也要处理共享包导出引发的构建问题。

3.1 先明确目标，生成有评测依据的 Skill

在订单项目的码道会话中，任务目标与验收条件能一并交给前台入口；开发者期望后续让智能体为订单接口编写测试时，不只验证成功响应，还要覆盖鉴权、非法数量、相同幂等键重复提交、订单状态及库存副作用这几项。

/skill-evolver 为当前项目创建接口测试 Skill，沿用项目现有测试方式，并运行相关测试。

系统会把要求转成评测集，编写候选Skill，再通过A/B测试比较基线与候选在这些任务上的表现。开发者用/skill-log命令就能查看Skill内容和相应的演化依据，确认它要求检查关键数据与副作用，且验收结论来自实际执行，不只是文字描述。

生成的结果会直接推送到码道的Skills下面，后续工作中智能体可以直接检索并使用。

3.2 白天正常开发，从交互轨迹沉淀新方法

订单服务团队正在当前分支补齐接口测试，临时又要拉发布分支排查共享包导出导致的构建问题，还不想打断现有开发现场。团队于是希望借Git Worktree在当前工作区旁快速建一个独立目录，并沉淀为可复用的标准操作。

想让对应的Skill记住这个能力，不必另敲“生成 Skill”的命令。码道的Skill自进化能力会复盘用户解决问题的过程，自行在后台生成对应的Skill。

3.3 用户空闲后，让已有 Skill 继续演化

接口测试 Skill 只要已经备好评测集，后台演化就有了底子。开发者收工前可以给指定 Skill 起一个后台任务：

/skill-evolver-auto

守护进程接手后，会持续对该 Skill 做演化。等下次打开项目，开发者就能收到演化后的技能，想看过程的话，用 /skill-log 指令调出演化日志即可。

总结与展望

码道的 Skill 自进化覆盖了开发过程中几类常见情形：目标明确的能力搭建，或者日常执行时发现并保存下来的可复用做法，都能交给它处理。这样一来，开发经验得以留存、被再次调用，并逐步接受验证。