EvoSkill · 自进化引擎 | 豆信信息

🧬 EvoSkill：给 AI Skill 装上"进化引擎" 痛点：AI Skill 上线后就是一坨静态 prompt，用得越久越暴露问题——边界 case 翻车、用户反复追问、输出格式漂移——但没人去改，因为不知道改哪、改了怕更糟、改了没法验证。 EvoSkill 的答案：让 Skill 自己从执行反馈里学。它怎么工作每次执行 → 记录隐式信号（追问次数/用户改写/重新生成） → 积累到 10 次，触发三层反思 → L1 错误诊断 → L2 成功模式发现 → L3 策略评估 → 生成 SKILL.md 的最小改进 diff → LLM 盲评 5 个历史案例，胜率 ≥60% 才放行 → 用户确认 → 落地，自动备份，一键回滚为什么不一样不是又一个 SaaS 平台。市面上"AI 自学习"方案动辄 PostgreSQL + 向量库 + K8s，部署一周起步。EvoSkill 是一个 Skill + 一个 Python 脚本，纯标准库，解压即跑。不是黑盒自动改 prompt。每次进化都是人可读的 unified diff，盲评过程透明，用户拍板才落地——把"误进化率 <1%"从算法难题变成流程保证。不靠假想的 1-5 分评分。真实场景里用户根本不打分。EvoSkill 用 5 个隐式信号（追问/改写/重生成/会话结束/偶尔的点赞）建模满意度，更真实。跨 Skill 知识共享。内置 12 条经过验证的元策略库（如"先复述再回答""不确定主动提问""长输出分段"），新 Skill 反思时直接复用，不用从零学起。一行接入任何业务 Skill 在自己的 SKILL.md 末尾加一段引用，即获得进化能力： ## Self-evolution This Skill uses `evo-skill` for continuous improvement. See evo-skill/SKILL.md. 适合谁 Skill 作者：不想每次靠用户吐槽才发现问题，想让作品自己变好 Skill 平台运营：想给生态里的 Skill 提供"越用越聪明"的统一能力企业内部 Skill 库：让业务 Skill 在真实流量里持续打磨，而非上线即定型 EvoSkill —— 让 Skill 从"交付"走向"生长"。 --豆信出品，下载即带skill接入指南。

模型生成摘要（rules/v1 · 2026-09-21 17:58）：🧬 EvoSkill：给 AI Skill 装上"进化引擎" 痛点：AI Skill 上线后就是一坨静态 prompt，用得越久越暴露问题——边界 case 翻车、用户反复追问、输出格式漂移——但没人去改，因为不知道改哪、改了怕更糟、改了没…
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-09-21 17:55	fe0cb807	可取

版本索引永久保留；内容副本只保留最近 2 版，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。