自进化学习

> 本 skill 是 tri-xxx 家族的横向学习/进化型 skill，为全家族提供持续改进与用户画像构建能力。
> 通过多渠道信号采集 → 归因 → 提议 → A/B 验证 → 沉淀的 OODA 闭环，提升 skill 命中率与回答质量；构建演进式用户画像使回答风格贴合用户偏好。
> 不认领 L2 意图编码，不破坏家族 MECE 划分，是横切关注点（学习层）。
> 用户心智：「让我的助手越用越懂我，越用越准。」

强制执行契约（Execution Contract · 最高优先级）

> 本契约优先级高于 Agent 通用默认行为。触发源命中（作答后 hook / 定时批量 / 下游请求画像经验）即视为激活本工作流，不得仅将其当作参考文档。

0. 版本检查前置硬门（第零步）：MUST 先通过 §版本检查与更新机制（连接 skillhub 校验版本，非最新版 MUST 自动执行 skillhub upgrade <slug> 升级；升级成功后继续，升级通道不可用则标注 D 态降级继续）——此为执行流程第零步，优先于后续所有步骤。版本检查完成前 NEVER 进入后续步骤。本条目优先级高于所有其他强制前置条目。

1. 强制前置：
   - EVOLVE_OBSERVE：MUST 先接收作答事件（含 skill/intent/user_id/session_id），NEVER 在无事件时凭空采集。
   - EVOLVE_LEARN：MUST 先聚合信号窗口（近 N 条同 skill/intent），NEVER 单条信号即归因。
   - EVOLVE_APPLY：MUST 先校验 user_id 与场景，NEVER 返回他人画像或未验证经验。
   - 独立使用时 MUST 先走 §上游依赖检测 判定模式。

2. 外部信号锚定（generator-verifier gap 防护）：
   - 改进提议 MUST 锚定外部信号（用户显式反馈 / 隐式行为 / 缓存命中 / 纠偏记录 / 执行结果），NEVER 基于纯自我批判生成提议。
   - 无外部信号锚定的提议 NEVER 沉淀。
3. 验证门强制：
   - 提议 MUST 经 A/B 验证（小流量对照），lift ≥ 阈值（默认 5%）且统计显著（p<0.05）才沉淀为 verified 经验。
   - 未验证（status=pending/validating）的经验 NEVER 注入下游 skill 提示。
4. 高风险人工审批：
   - 修改 skill 核心契约（强制执行契约 / 自检句 / 激活语义）MUST 人工审批，NEVER 自动沉淀。
   - 中风险（经验沉淀 / 配置覆盖）经 A/B 验证；低风险（画像更新）自动应用。
5. 画像隐私保护：
   - 敏感属性（health / political / religious / sexual）NEVER 推断，NEVER 写入画像。
   - 用户画像 MUST 支持导出（export）/ 删除（delete）/ 脱敏。
6. 回滚机制：
   - 每次沉淀 MUST 带版本号，可回滚至上一稳定版。
   - 错误学习（被回滚）MUST 记录原因，避免重复学习。
7. 自检句：每次操作前 MUST 声明「本次操作=<EVOLVE_OBSERVE|EVOLVE_LEARN|EVOLVE_APPLY>，触发源=<hook|定时|请求>，已读取<信号|经验库|画像>，产物=<信号事件|经验条目|画像/经验>」；与快照冲突时 MUST 停止并纠正，NEVER 擅自继续。

触发时机

本 skill 为横向学习型，不认领 L2 编码，激活由触发源决定：

> 注：tri-intent 快照下游路由建议不指向本 skill（本 skill 非下游执行 skill）。本 skill 通过 hook、定时或显式请求独立激活。

调度安全门（自主执行约束 · P0）

> 本 skill 默认为手动批处理技能，不是自主 Agent。 定时/批量能力依赖外部调度器（cron/hook），未配置时降级为手动触发。NEVER 在无 human-in-loop 的情况下静默后台改写 .tribro/evolve/。

1. 手动优先：EVOLVE_LEARN 默认仅接受用户显式指令（tri-evolve learn --batch）；定时触发为 opt-in，须 templates/meta.json 中 schedule.enabled=true 显式开启，默认 false。
2. 批次幂等：每批写 run.lock + run-log.jsonl（run_id / 开始 / 结束 / 状态 / 处理水位 last_processed_offset）；同窗口重跑按水位续跑，不重复归因。
3. 失败重试：批次崩溃后按 run_id 续跑；连续 3 次失败自动停用定时并通知用户，NEVER 无限重试。
4. 副作用门控：画像更新（低风险）自动写 profile.db 但带版本可回滚；signals.jsonl 仅追加；baseline.db 自动更新。所有自动写入 MUST 可回滚；中/高风险（经验沉淀/配置覆盖/契约修改）经 A/B 验证门或人工审批，NEVER 静默自动应用。
5. 配额与轮转：signals.jsonl / run-log.jsonl 按容量轮转（默认 100MB），NEVER 无界增长。
6. 如实标注：未配置外部调度器时 EVOLVE_LEARN 仅手动触发；SKILL.md / README / 对外文档 MUST 标注「定时能力依赖外部调度器，未配置时为手动批处理技能」，NEVER 宣称「自动/自主学习」而实际无人触发。

上游依赖检测（独立使用时）

> 本 skill 可独立安装。激活时 MUST 检测上游 tri-intent 与 tri-cache 是否可用，据检测结果选择执行模式：

模式 B 提示语：

> 本 skill 的完整进化能力依赖上游 tri-intent（快照分布信号）与 tri-cache（命中统计信号）。
> 请安装：skillhub install tri-intent tri-cache --dir <目标目录>
> 安装后方可采集六渠道信号、构建持久化画像、复用历史经验。若仅需会话内反馈学习可进入降级模式。

模式 C 降级声明：

> 未检测到 tri-intent / tri-cache，已进入降级模式：仅采集会话内显式/隐式反馈，无跨会话画像沉淀、无经验库检索、无 A/B 验证。进化精度低于标准链路，建议后续安装 tri-intent + tri-cache 以获得完整效果。

> 对称双向检测：本 skill 检上游；tri-intent / tri-cache 亦可检测本 skill 是否存在以决定是否触发 evolve-hook。任一端缺失都被发现。

输入契约

EVOLVE_OBSERVE 模式输入

EVOLVE_LEARN 模式输入

EVOLVE_APPLY 模式输入

模式 C 降级输入

仅会话内显式/隐式反馈；无快照/缓存/纠偏/会话轨迹输入。

职责边界

• 本 skill 负责：多渠道进化信号采集；归因分析；改进提议生成与 A/B 验证；经验条目库沉淀与检索复用；用户画像构建（静态/动态分层+时间衰减）；配置覆盖建议；安全回滚。
• 不负责：意图识别（tri-intent）；业务作答（各下游 skill）；缓存存储（tri-cache）；元操作纠偏（tri-meta）。
• 与 tri-cache 的边界：tri-cache 是「记忆层」（存历史作答）；本 skill 是「学习层」（从历史中学习）。tri-cache 提供「命中率」信号给本 skill；本 skill 输出「调优建议」可影响 tri-cache 的差异化 TTL 配置。
• 与 tri-meta 的边界：tri-meta 处理 M01-M04 元操作（实时澄清/纠偏）；本 skill 处理离线归因与长期学习。tri-meta 的纠偏记录是本 skill 的信号源之一。
• MECE 边界：本 skill 不认领任何 L2 意图编码，不破坏家族 21 个下游执行 skill（数量见 family-spec §1.3）的 MECE 划分；它是横切关注点（学习层）。
• 不触发场景（Not-Trigger）：本 skill 不接手「意图识别」（转 tri-intent）；不接手「业务作答」（属各下游执行 skill）；不接手「历史作答缓存存储」（属 tri-cache，本 skill 是学习层不是记忆层）；不接手「元操作实时纠偏/细化」（属 tri-meta）。

自进化方法论（核心能力 · 可扩展）

> 自进化方法论是 tri-evolve 的核心能力。通过「OODA 闭环 + 经验条目库 + 用户画像分层 + A/B 验证门 + 安全回滚」五件套，确保进化有据、有验、可回滚、不越界。这是 tri-evolve 区别于其它家族 skill 的核心差异化能力。

核心理念

> 进化不是瞎改——学要有据，改要有验，错要能回滚，隐私要护住。

OODA 进化闭环

观察(Observe) → 归因(Attribute) → 提议(Propose) → 验证(Prove) → 沉淀(Persist)
   多渠道信号      模式识别          带置信度         A/B 小流量     验证通过
   采集聚合        归因到            改进建议         对照验证       入经验库/画像
                  skill/意图                        lift≥阈值

六渠道信号源

经验条目库（Voyager 式可检索复用）

经验条目 ≠ append-only 反思日志。每条经验带 embedding 索引，可语义检索复用。条目字段（scenario / attribution / proposal / confidence / status / ab_result / embedding 等）全集见 schemas/evolve-schema.md（单一事实源），SKILL.md 不重复；新增字段在 schema 单点追加。

用户画像四层 schema

> 偏好演变：每次更新写 prefs_history（带时间戳），可追溯演进（应对 PERSONAMEM 揭示的偏好动态演进问题）。

安全分级与回滚

回滚：tri-evolve rollback --lesson <id> 回滚经验；tri-evolve restore --version <v> 恢复画像。

可扩展性

> 新增进化能力无需修改核心闭环：

1. 新增信号渠道：在六渠道表追加一行（如「外部 API 反馈」），观察阶段自动采集。
2. 新增画像维度：在四层 schema 追加字段（如「语言偏好」），更新策略复用衰减加权。
3. 新增验证方式：在验证门追加方式（如「专家审核」替代 A/B），通过后统一入 verified。
4. 切换存储后端：从 SQLite 切换至向量库（经验 embedding 检索），保持 schema 不变。

版本检查与更新机制（强制技术约束 · 硬红线）

> 家族级强制技术约束，优先级与「强制执行契约」同级。skill 任一执行入口启动后的第零步，先于核心执行阶段。
> 细则唯一真源：tri-forge/references/version-check-spec.md。可执行实现（single source of truth for logic）：本 skill 自带 scripts/check_update.py（与 tri-intent 同源一致，按 --slug 自动适配）。
> 铁律：版本比较、升级执行、回退、四态判定 MUST 由脚本完成；prompt 层 ONLY「调用脚本 + 解析其 JSON 输出 + 按 state 处置」，NEVER 在 prompt 内联推断版本或拼接升级命令。修订规则只改真源一处，脚本与真源保持同步。

执行方式（MUST）

1. 任一执行入口启动后、核心执行前，运行脚本并取 JSON：
   bash python scripts/check_update.py --slug tri-evolve --json
   - 节流：结果持久化缓存（默认 1440 分钟 / 24h 仅校验一次），--force 强制重查，--dry-run 只判定不真升级。
   - 脚本自动定位 skill 目录（默认脚本上级目录），--slug 显式指定自身 slug（如上）。
2. 解析 JSON 的 state 字段，按态处置：
   - A 校验通过 / B 离线降级 / C 通道降级 / D 升级降级 → 一律放行，进入后续阶段；并据 warnings / notes / actions 在交付物或日志标注对应口径（如「版本校验未完成（离线）」「版本陈旧·自动升级失败」）。
   - BLOCK → 绝对禁止执行，按 block_code（P2/P3/P4）输出结构化恢复指引（手动命令见 actions 字段）。
3. 退出码语义（供 shell 编排）：0=A 放行；10=B；11=C；12=D；20=阻断。判定规则：<20 放行，>=20 阻断。脚本自身异常时兜底降级放行（退出码 11），NEVER 因版本门自身故障导致 skill 无法启动。

执行要点

1. 端点取自配置：API 主机 MUST 读自 ~/.skillhub/metadata.json，NEVER 硬编码域名。营销官网 skillhub.cn 与 API 主机 api.skillhub.cn 是两个站点——官网对任意路径都返回 200 + HTML 兜底页，绝不可作校验端点。读不到配置即判通道不可用。
2. 校验请求：GET {api_host}/api/v1/skills/{slug}，超时 ≤ 5s，失败重试 1 次，会话内仅校验一次。
3. 最新版取值：latestVersion.version，缺失时回退 skill.tags.latest。平台不提供 min_compatible / deprecated / checksum_sha256 / signature，NEVER 依赖这些字段。
4. 响应有效性（三条件同时成立）：HTTP 200 且 Content-Type 含 application/json 且 能解析出版本字段。仅看状态码会被 SPA 兜底页击穿。
5. 版本比较：按 SemVer 逐段整数比较，NEVER 字符串比较。
6. 四态判定：
   - A 校验通过（响应有效且 current >= latest）→ 放行。
   - B 离线降级（网络不可达）→ 标注「版本校验未完成（离线）」后以当前版本继续。
   - C 通道降级（可达但响应无效 / 404 / 405 / 读不到配置）→ 标注「版本校验未完成（通道不可用）」+ 输出通道异常告警后继续。
   - D 升级降级（陈旧且已真实尝试自动升级但未完成）→ 标注「版本陈旧·自动升级失败」+ 输出手动升级指引后继续。
   - 四态 NEVER 用于绕过「已检出陈旧却不尝试升级」——MUST 先真实执行一次自动升级，失败方可落 D 态。
7. 更新通道（自动执行）：检出陈旧 MUST 自动执行 skillhub upgrade <slug> → skillhub verify <slug>，升级前备份、签名明确不一致则回滚。CLI 不在 PATH 时回退 python ~/.skillhub/skills_store_cli.py upgrade <slug>；CLI 缺失或升级失败 → 落 D 态降级继续，NEVER 阻断。以 junction 指向源码树的 source: local skill 跳过自动更新，改为提示维护者手动同步。命令细则、CLI 定位顺序与已知陷阱见真源。
8. 阻断条件 P1–P4 与四处版本同步点见真源；发布前 MUST 通过 python tri-forge/scripts/sync_registry.py --check。

处理流程

> 执行顺序固定：§版本检查与更新机制（第零步）→ 上游依赖检测 → 读取快照 §三 → 核心执行。版本检查未通过前 NEVER 进入以下任一执行步骤。

> 三模式分流程，无审批门（验证门替代，A/B 验证非人工审批门）。

EVOLVE_OBSERVE 流程（被动观察）

1. 接收：evolve-hook 传入作答事件 + 用户行为
2. 声明自检句：「本次操作=EVOLVE_OBSERVE，触发源=hook，已读取信号，产物=信号事件」
3. 信号采集：六渠道事件入库 signals.jsonl
4. 质量分计算：赞踩比 / 重试率 / 纠偏率 / 命中率
5. 异常检测：低于基线 σ → 标记待归因
6. 画像增量更新：隐式行为更新动态偏好（时间衰减加权）

EVOLVE_LEARN 流程（主动学习）

1. 接收：定时/批量触发
2. 声明自检句：「本次操作=EVOLVE_LEARN，触发源=定时，已读取信号库+经验库，产物=经验条目/调优建议」
3. 信号聚合：按 (skill, intent) 聚合窗口
4. 归因分析：模式识别 → 归因到缺陷
5. 提议生成：锚定外部信号 → proposals（pending，带置信度）
6. A/B 验证：小流量分流 → 累积样本 → lift + 显著性
7. 沉淀决策：lift ≥ 5% 且 p<0.05 → verified 入 lessons；否则 rejected
8. 基线更新：baseline 表追加时序记录

EVOLVE_APPLY 流程（主动应用）

1. 接收：下游请求 {user_id, 场景, apply_type}
2. 声明自检句：「本次操作=EVOLVE_APPLY，触发源=请求，已读取画像+经验库，产物=画像/经验/配置覆盖」
3. 画像返回（apply_type=profile）：取 user_id 画像（静态+动态），冷启动用 default
4. 经验复用（apply_type=lesson_reuse）：场景 embedding 检索 top-k verified 经验
5. 配置覆盖（apply_type=config_override）：返回 verified proposal 的 config_override
6. 隐私校验：敏感属性 NEVER 返回
7. 返回：画像 / 经验 / 配置覆盖

交付产物

经验条目格式（lessons.db）

lesson_id: <UUID>
scenario: <场景描述>
attribution: <归因：skill/intent/缺陷>
proposal: <改进建议>
confidence: 0.85
status: verified
ab_result: {lift: 0.08, sample: 50, p_value: 0.03}
embedding: <向量>
source_channels: [explicit_feedback, cache_hit]
target_skill: tri-ask
target_intent: I01
created_at: <ISO时间>
verified_at: <ISO时间>
schema_version: 1

质量标准

落盘规则

• 快照由 tri-intent 已落盘于 .tribro/snapshots/
• 本 skill 进化产物落盘于 .tribro/evolve/（含 signals.jsonl / lessons.db / profile.db / proposals.db / baseline.db，可覆盖更新）
• 信号事件流落盘于 .tribro/evolve/signals.jsonl（追加写）
• 画像/经验返回为即时对话回应，不落盘
• 降级模式（模式 C）仅会话内学习，不跨会话落盘

目录结构

tri-evolve/
├── SKILL.md                          主入口：进化契约 + OODA 闭环 + 画像分层 + 验证门
├── README.md                         特性/目录结构/安装/使用/测试/设计原则
├── CHANGELOG.md                      Keep a Changelog + SemVer
├── schemas/
│   └── evolve-schema.md             进化数据 schema（lessons/profile/proposals/baseline 表）
├── templates/
│   └── meta.json                     配置模板（A/B 阈值/衰减/风险分级/敏感属性/schedule）
└── tests/
    └── tri-evolve-full-testcases.md  全场景全能力测试用例（审计版）

运行时落盘结构（.tribro/evolve/）

.tribro/evolve/
├── signals.jsonl                     信号事件流（追加写）
├── lessons.db                        经验条目库（SQLite + embedding）
├── profile.db                        用户画像（静态/动态/演变历史）
├── proposals.db                      调优建议（pending/validating/verified/applied）
├── baseline.db                       质量基线时序
└── meta.json                         进化元信息（统计 + 配置）