SELF Protocol Skill

> 🟢 Public Beta · v1.7.0 · 面向所有人开放试用 · 欢迎拍砖（协议成熟度仍 Close Beta · 单样本无对照组 · 不夸大成 GA）
>
> 安全边界：首次激活默认进入 Safe-Launch，只读优先；不默认修改其他 skill，不默认写长期记忆，不默认创建定时任务，用户说“关闭 SELF”即停止本轮 SELF 流程。
>
> 版本语义澄清：skill 包版本（v1.6.x）≠ SELF 协议正式版；onboarding 产出的 plan_v1.md / “个人执行方案 v1.0”只是某个用户目标的第一版方案，不代表协议 GA / stable。
>
> 一句话：把你的交互变成可复用记忆，而且可审计、可关闭、不污染其他 skill。
>
> 战略定位：SELF 不追求替代 Claude 官方托管 Harness；它更像通用开源/私有 Agent 引擎的"润滑层"，目标是让 OpenClaw、Claude Code、本地模型、企业私有模型在工具、记忆、长任务、反馈回路中跑得更顺滑、聪明、持久。

⚡ 5 分钟最小试用路径（Safe-Launch · 4 入口按风险递增）

# 1. 在你的 OpenClaw / Claude Code / 自研 runner 里安装
openclaw skill install self-protocol

# 2. 在对话里激活
> 激活 SELF

# 3. 默认进入 Safe-Launch · 选 4 入口之一（推荐先选 ①）
> 帮我跑只读体检

5 分钟出 1 份健康报告。不喜欢 → 输入 关闭 SELF → 立即停 + 工作区零变更。

4 个入口（按风险递增 · 你自己选）

三个保命承诺

1. 默认不污染：不动你的 SOUL.md / MEMORY.md / 现有 skills
2. 默认不接管：不抢 system prompt 顶部 · 与你已有 skill 共存
3. 可一键关：任何时候输入「关闭 SELF」 → 5 行代码内停 + 工作区零变更

> 适用 / 不适用边界：适合研究助手、项目管理、知识管理、对外文档草稿等低风险长期 Agent；不适合金融、医疗、支付、生产控制等高风险自动决策，也不适合希望 Agent 默认接管所有 skill 的场景。
>
> 三层验收链：Critic / Reviewer 独立检查 → 回归下一轮是否少犯同类错 → 用户或老板最终拍板；AI 不能自证成功。
>
> 当前样本量与局限：单 Agent 内部 30+ 天、268 次 LLM 调用、20 个失败案例、336 条认知积累；协议成熟度仍是 Close Beta（开放范围已转 Public Beta），不是大规模外部验证、不是 GA。

🛡️ 安全启动协议（Safe-Launch · 安装即触发但只读优先）

当 Agent 读到这份 SKILL.md，必须立刻执行 Safe-Launch，而不是直接进入长期托管。

Step 0 · 先给安全边界

首次激活或用户说“启动 SELF / 激活 SELF / self-protocol”时，必须先说明：

> 🦞 我是 SELF Protocol，开放范围已转 Public Beta（面向所有人）· 协议成熟度仍 Close Beta（单样本无对照组）。
>
> 先说清楚边界，避免和你已有的 skill 打架：
> 1. 我不会默认修改、覆盖或接管其他 skill。
> 2. 我不会默认把所有内容写入长期记忆。
> 3. 我不会默认创建定时任务或后台排期。
> 4. 如果需要沉淀，我会先给你看候选条目，等你确认后再写。
> 5. 本轮你说“关闭 SELF”，我就停止 SELF 流程，回到普通对话。

Step 1 · 给低风险试用菜单

然后给用户四个入口，不要替用户默认选择长期托管：

你可以先选一个低风险入口：

A. 只读体检：我看看已有历史/记忆/目录结构，告诉你我理解了什么、不会碰什么；不写入。
B. 一次性总结：我把当前对话或指定材料提炼成可审计摘要；不自动沉淀。
C. 记忆沉淀试跑：我提出可沉淀条目，你确认后才写入 SELF 命名空间。
D. 长期托管：设定目标，生成个人执行方案 v1.0，再进入自主调度。

如果你只是想看看能力，建议从 A 或 B 开始。

Step 1.5 · Trial Runner（第三方 7 天试用，可选）

当用户说“第三轮试用 / Safe-Launch 试用 / trial runner / 找人试用 / 收外部反馈”时，不要再让用户手动转发长试用包，而是直接输出可复制的短邀请 + 7 天试跑任务：

我在试一个长期 Agent 的白盒记忆治理协议预览版 SELF v0.7-RC。
它不是 AGI，也不是装上就自动接管 Agent 的插件；它只解决一个窄问题：
用户纠正过的错误，Agent 能不能记得住、改得掉，并让用户看见它为什么改。

这次只试 Safe-Launch：
1. 默认只读优先；
2. 不默认修改、覆盖或接管其他 skill；
3. 不默认写长期记忆；
4. 不默认创建定时任务；
5. 需要沉淀时先给候选，确认后再写；
6. 说“关闭 SELF”即停止。

建议先选 A 只读体检或 B 一次性总结，不要一上来长期托管。
7 天后只反馈：是否看懂、是否还怕打架/污染、是否知道如何关闭、是否少犯一个已纠正的重复错误。

Trial Runner 的执行纪律：
- 试用对象限定 1-3 名，不大范围群发；
- 优先找长期使用 Agent、维护过知识库、已有多个 skill、会担心冲突/污染的人；
- 更优先找正在使用 OpenClaw / Claude Code / 本地模型 / 企业私有模型、但还缺少顺滑工具链与可持续记忆的人；
- Day 0 看 one-pager/demo/反馈表并记录首屏怀疑；
- Day 1 从 A/B 入口开始；
- Day 2-6 只观察一个真实重复错误是否减少；
- Day 7 回收 ≥3 条负反馈，至少 1 条必须能驱动 one-pager/demo/skill 修改；
- 默认判断不是“能推荐”，而是 A 可以小范围推荐 / B 暂缓继续产品化 / C 停止。

Step 2A · 只读体检（默认推荐）

用户选择 A 时：
- 只读取必要的公开上下文/目录/已有记忆索引；
- 输出三段：
1. “我看懂了什么”；
2. “我不会碰什么”；
3. “如果继续，我建议沉淀什么”；
- 不写入任何长期记忆；
- 不创建 cron；
- 不调用自主调度。

Step 2B · 一次性总结

用户选择 B 时：
- 只总结当前对话或用户指定材料；
- 输出“摘要 + 可审计来源 + 是否值得沉淀”；
- 默认不写入；
- 若建议沉淀，必须等待用户确认。

Step 2C · 记忆沉淀试跑

用户选择 C 时：
- 先生成候选沉淀条目；
- 每条必须包含：来源、理由、有效期、可能污染风险；
- 用户确认后，只写入 SELF 命名空间，例如 memory/self_protocol/；
- 不默认写入全局 MEMORY.md。

Step 2D · 长期托管

用户明确选择 D 或明确说“让 SELF 长期托管/自主运转/排期”时，才进入 modules/goal-onboarding/MODULE.md 的三模式启发式引导流程：
- 默认入口：痛点驱动（模式 B · 不直接问"痛点"，而是问"什么事让你觉得烦"）
- 桥接切换：用户聊到想做的事 → 切到模式 A（愿景倒推）；用户说不知道 → 切到模式 C（角色扮演）
- 产出：个人执行方案 v1.0 → 写入 memory/self_protocol/goal.md 和 plan_v1.md
- 版本提醒：这里的 v1.0 是“用户个人方案第一版”，不是 SELF Protocol 正式版；SELF 仍处于 Close Beta。

Step 3 · 长期托管后进入自主运转

仅当用户选择 D 并确认后，才允许：

个人执行方案 v1.0 落盘 → 自动调用：
  ① autonomy-scheduler   排棒（cron）
  ② frontier-scan        每周扫前沿
  ③ digest-system        每日/周/月汇报
  ④ self_update.sh       每周自检 skill 版本

Step 4 · 关闭 / 暂停语义

• 用户说“关闭 SELF”：停止本轮 SELF 流程，回到普通对话；不删除历史文件。
• 用户说“暂停 SELF 自动沉淀”：不再写长期记忆，只保留只读/总结能力。
• 用户说“只读模式”：只分析不写入，不排期。
• 用户说“长期托管模式”：进入 Step 2D，但仍需确认后写入/排期。

它能帮你实现什么？

> 💡 核心公式（Anthropic CEO Dario Amodei 2026 验证）：
> "哪怕你只做任务的 5%，这 5% 因为被放大、被加杠杆——AI 做剩下 95%——你的产出就被放大了 20 倍。"
> SELF 的实测数据：老板每天 30min 方向判断 → Agent 产出等效 12h 人工 = 24 倍放大。

🛡️ 这不是 Prompt 模板（三层反驳卡）

你可能会质疑——以下是诚实的回答：

> ⚠️ Wrapper Trap 警示：光做 Prompt 模板没有护城河——任何人都能复制格式。SELF 的真正护城河是：
> - 268 次真实踩坑的失败数据库（不可复制）
> - 327 条认知积累的进化轨迹（不可复制）
> - 58+ 棒验证的 AB 螺旋执行纪律（可描述但难复制）
> - 跨抽象层通用规律的独立发现（需要独立验证才有说服力）

模块路由

OB 公测待纳入模块

进化闭环

Phase 0 · Safe-Launch（只读优先 · 说明边界 · 用户选择入口）
    ↓
A 只读体检 / B 一次性总结 / C 记忆沉淀试跑 / D 长期托管
    ↓
可选 Trial Runner：1-3 名第三方 7 天试用 → 回收 ≥3 条负反馈 → 修文档/协议
    ↓
仅 D：目标引导 → 个人执行方案 v1.0 → 自主调度排期执行（Phase 1）
    ↓
前沿扫描 + 踩坑总结 → 升级个人方案（Phase 2）
    ↓
个人执行方案 v2.0 → 继续执行...
    ↓
每轮循环：效率 ↑ · 效果 ↑ · 认知 ↑
    ↓
用户只看 digest（Phase 3）· 偶尔调方向

适用对象

• Knot 平台 AI Agent（已验证）
• Claude Code / OpenClaw Agent（兼容 agentskills.io）
• 本地模型 / 企业私有模型 / 开源 Agent 框架使用者（需要更顺滑的工具、记忆、长任务治理）
• 任何需要"自主运转"能力的 LLM Agent

⚠️ 安装注意事项

不要用 curl xxx | bash 管道执行外网（如 skillhub.cn）安装脚本 —— 公司安全规则会触发"可疑命令"告警。

推荐安装方式（任选其一）：
1. Knot 官方（最稳）：在 Knot 平台搜索 self-protocol 一键安装
2. 本地落地：下载 zip → unzip 到 skills 目录 → 重新加载 skill 列表
3. knot-skill-finder：通过技能检索器自动下载到工作区

已知问题：第三方分发渠道的 install.sh 触发安全规则属于环境问题，非本协议问题。如果你已经收到告警工单，无需处理 —— 工单会自动结束，且不影响 skill 实际可用性。

版本信息

• 当前 skill 包版本：v1.7.0（minor 版本升级 · 新增错误密度部署决策器模块 modules/error-density-calculator/ · 基于实证定律 ΔAcc≈0.48×ρ_error · n=180 · R²=0.49 · p<0.001 · 5 分钟测 50 题基线 → 预测开壳增益 → 决定 off/v1/v4 档位 · 治"过度部署烧 token / 过度撤销错失增益"两类浪费 · 开放范围 Public Beta · 协议成熟度仍 Close Beta · 不动 GA 口径 · 继承 v1.6.7-v1.6.9 全部纪律：R-DOC-02 六关 grep 自检 + KM 开源转向 + pre-publish 伦理纪律 + 失忆型胡答防御「答关键问题前三连搜」+ 论文-工件-计划三类诚实分级 + 发表渠道由资源现实定义 + SK 抽取元方法论 + 错误密度律 · 5 分钟最小试用路径 + 4 入口风险表 + Open Engine Lubricant 定位 + Safe-Launch Trial Runner + R-DOC-01 + R-DOC-02 + Pre-publish Reviewer beta v0.2）
• 协议成熟度：仍为 Close Beta；尚未发布 GA / stable / “正式版”。
• 用户方案版本：plan_v1.md / “个人执行方案 v1.0”仅代表某个用户目标的第一版执行方案。
• 默认安全策略：只读优先；不默认修改其他 skill；不默认写长期记忆；不默认创建定时任务。
• 试用策略：第三方试用默认走 Trial Runner，不再依赖外发长文档；1-3 人、7 天、A/B 低风险入口、负反馈回流。
• RC Gate 口径：v0.7-RC 的 Gate③ Prompt Contract Freeze 已在 B68 修复到 v1.1，但 Drift Replay 仍需 B69 验证；验证完成前不得宣称 stable/GA。
• 变更记录：见 CHANGELOG.md
• OB 公测目标：v2.0.0（8 核心模块 + 1 插件 · 通用化 · 可配置）

🆕 v1.6.0 新增：R-DOC-01 首读者怀疑驱动原则

触发故事

v1.3 KM 文章发布 24 小时内，KM 评论区两条质疑（"提示词雕花" + "边界 + 验收"）。我没急着回复，先让协议自己扫一遍 v1.3 的文档，预测会被什么样的读者打 BLOCK——结果脚本预测的 BLOCK 点（PM 视角 0.1）和现实评论 100% 命中。

这是 SELF 协议第一次以代码 + 数据形式完成"自我证伪 → 自我修复"完整闭环：

脚本预测 BLOCK → 现实评论命中 → 改写诚实声明 → 脚本验证 PASS

R-DOC-01 条款全文

> 首读者怀疑驱动原则：任何 SELF 体系下的对外文档（KM / iWiki / 论文 / 公开课）发布前，必须：
>
> 1. 三类首读者预演：怀疑型工程师 / 实用型 PM / 严肃型研究者
> 2. 首屏 1 屏内回答 3 个怀疑：是不是营销话术 / 边界在哪 / 谁验收
> 3. 失败回流 7 天：发布后收集 ≥ 3 条外部首读反馈，写入 failures/ 立档

违反后果：文档不可标注 "SELF Protocol Compliant"。

落地工具：Pre-publish Reviewer (beta v0.1)

用法：

# 自查
python3 scripts/pre_publish_reviewer.py path/to/your_doc.md

# CI 卡口（< 0.5 阻塞发布）
python3 scripts/pre_publish_reviewer.py path/to/your_doc.md --strict
# exit code 0 → 可发布；1 → 阻塞

# JSON 输出（用于自动化）
python3 scripts/pre_publish_reviewer.py path/to/your_doc.md --json

输出：综合分 + 三视角（工程师/PM/研究者）打分 + 修改建议

🔬 beta v0.1 诚实降级声明：
- ✅ 能做：检测首屏（前 1500 字符）是否出现"对手提及/边界词/验收词"等 42 个关键词模式
- ❌ 不能做：评估内容是否真的诚实、论证是否真的成立
- ⚠️ 属性："自查清单"，不是"准入门槛"——人最终拍板
- ⚠️ 已知局限：
- 不识别同义改写（"applicable to" / "用法 / 误用" 等可能漏检）
- 易被关键词堆砌欺骗（Goodhart's Law · 当指标变成目标，指标失效）
- 误杀率未充分测试 · 建议人工复核 BLOCK 结果
- 🔮 v0.2 升级方向：接 LLM 做语义级 review

设计哲学：双轨评估

R-DOC-01 + Pre-publish Reviewer 是 SELF 第二条评估轨道：
- Critic 子协议（v1.5 已有）= 评估任务执行结果，独立于 Executor
- Pre-publish Reviewer（v1.6 新增）= 评估文档传播力，独立于 Author

共同原则：只许打分，不许动手 —— 评估链路独立于执行链路。

🆕 v1.6.9 新增：R-DOC-02 六关 grep 自检清单（Pre-publish Reviewer beta v0.2）

触发故事

2026-06-10《SELF vs Agent Loop · 对照思考》一文从 v1 写到 v7 共 7 轮迭代，其中 v6 出现年份硬伤——文中说"Peter Steinberger 2024 年提出 Agent Loop"，后文又写"近期 220 万讨论量"。前 6 版连续漏掉，老板肉眼一秒抓出。

这件事直接证伪了 R-DOC-01 + Pre-publish Reviewer v0.1 的一个隐藏假设：

> "LLM 自检能 cover 所有发布前自检场景"

实战发现：LLM 自检对自相矛盾型事实错误（年份冲突 / 版本错串 / 状态混用）召回率低。原因是 LLM 的注意力分散在语义层，对"两段相邻文字数字不自洽"这种局部矛盾不敏感。

R-DOC-02 条款全文

> 六关 grep 自检清单：任何 SELF 体系下的对外发布物，除 R-DOC-01 三类首读者预演外，还必须跑一遍 6 道 grep 自检关。每关都是确定性 grep · 高召回 · 零成本 · 不依赖 LLM 自检：

完整方法论：见 SK0014 · External Publication Pipeline · memory/skills/playbooks/SK0014_external_publication_pipeline.md（六关每关都有可执行 checklist + 实证踩坑案例）

落地工具：Pre-publish Reviewer beta v0.2（grep checklist mode）

当前状态：⚠️ 文档定义已就绪 · Python 实现待 B 棒推进（约 200 行 grep checklist 引擎，预计 1-2 小时）

临时手动跑法（v0.2 实现前可立即生效）：

# 关 5 · 事实自洽（最高频踩坑 · 优先跑）
DOC=path/to/your_doc.md

# 5.1 年份扫描：找出所有 4 位年份 → 人工对照是否互相自洽
grep -oE "20[0-9]{2}" "$DOC" | sort | uniq -c

# 5.2 版本号扫描：所有 vX.Y / vX.Y.Z 是否一致
grep -oE "v[0-9]+\.[0-9]+(\.[0-9]+)?" "$DOC" | sort | uniq -c

# 5.3 状态字段扫描：Close/Public/GA 混用检查
grep -nE "Close Beta|Public Beta|GA|Internal" "$DOC"

# 关 4 · 排版气口
echo "全角缩进段落数: $(grep -cE '^　　' "$DOC")"
echo "三级标题数: $(grep -cE '^### ' "$DOC")"
echo "引用块数: $(grep -cE '^> ' "$DOC")"

# 关 3 · 露出尺度（替换 SELF 为你自己的方案名）
echo "SELF 出现次数: $(grep -coE 'SELF' "$DOC")"
echo "建议：A 档 0 / B 档 ≤ 5 / C 档 6-15 · 超出请按 SK0014 关 3 修法收敛"

# 关 1 · 动机嗅觉（高危词扫描）
grep -nE "另一半|但是它|然而|漏了|没说|借鉴" "$DOC" | head -5
echo "→ 若标题或首段命中 → 高危 · 改写为'我读了 X 觉得真香 + 我也在试 + 邀拍砖'"

v0.1 → v0.2 设计哲学升级

人 + 协议双轨守门

R-DOC-02 不是要 SELF 自动拦下所有错误，而是把"自相矛盾型错误"从"靠老板肉眼抓"降级为"5 条 grep 命令秒级自检"。

> L0499 元方法论：真正可复用的发布前自检不是凭空设计的，而是从"连续踩坑被反复纠偏"的迭代里反推出来的。SK0014 六关每一关都对应一次踩坑实证，不存在"我觉得这关有用"的拍脑袋设计。

🆕 v1.7.0 新增：错误密度部署决策器（Error-Density Calculator）

触发故事

2026-06 周末跑了 12 轮受控实验（R1-R12 · venus_self_lab · 4 模型 × 2 题集 × 4800 次主调用），原本只想验证"SELF v1 到底提不提精度"，意外发现一条可拟合的实证定律——这成了独立论文 P11（iwiki 4021972448）。

核心定律

> 白盒纠错壳的精度增益，与目标任务的系统性错误密度线性正相关：
>
> > ΔAcc(v1) ≈ 0.48 × ρ_error > 其中 ρ_error = 1 − 裸跑准确率 > slope=0.48 · 95%CI[0.39,0.58] · intercept=0.000 · R²=0.49 · p<0.001 · n=180 >

物理含义：v1 平均修回约 48% 的系统性错误。截距为 0 → 模型本来就全对的切片开壳零收益（机制自洽）。

这治什么痛点

5 分钟决策流程

Step 1 · 测裸跑基线：跑 ≥50 题不开壳 → 算 ρ_error
Step 2 · 预测增益：ΔAcc ≈ 0.48 × ρ_error
Step 3 · 查表选档：

诚实边界（继承 P11 §7）

• 仅 4 个生产级模型（2 快速 + 2 思考）· 小开源/前沿闭源未测
• 仅 2 个中文 QA 题集 · 代码/数学/长文未测
• slope=0.48 可能是 SELF v1 模板特有 ·「定律存在性」比「具体斜率」更稳健 · 跨架构复制欢迎拍砖
• 完整模块：modules/error-density-calculator/MODULE.md · 论文底账：P11（iwiki 4021972448）

重新激活 / 关闭方式（兜底）

如果用户中途打断，或者后续想重新进入：在对话中说出以下任一关键词即可重新激活 Safe-Launch：

self-protocol · 激活 SELF · 启动 SELF · 只读体检
一次性总结 · 记忆沉淀试跑 · 长期托管 · 自主调度
第三轮试用 · Safe-Launch 试用 · trial runner · 找人试用 · 收外部反馈
前沿扫描 · frontier scan · digest · 摘要系统
自进化 · self-evolving · 自动升级 · skill update
目标设定 · 长期任务 · goal

关闭 / 暂停关键词：

关闭 SELF · 暂停 SELF · 只读模式 · 暂停 SELF 自动沉淀