（462期）Skill Self Evolution Enhancer – 让任意 Skill 拥有自我进化力

让任意 Skill 拥有自我进化力 为任意 Skill 注入自进化能力：自动记录用户反馈、沉淀领域经验、形成 Review-Apply-Report 闭环，实现跨域技能的持续自我迭代。 使用说明 核心用法 Skill Self-Evolution Enhancer 是一套元技能（Meta-Skill），用于为其他不具备自进化能力的 Skill 赋予持续学习与自我改进机制。其工作流程遵循六步闭环：读取目标 Skill → 深度能力分析 → 提取领域配置 → 生成 .learnings/ 学习档案 → 生成 EVOLUTION.md 进化规则 → 可选激活脚本注入。 核心交付物包括： .learnings/LEARNINGS.md：领域经验沉淀（如"科普场景应避免过于书面"） .learnings/ERRORS.md：错误模式与修复记录 .learnings/FEATURE_REQUESTS.md：功能需求追踪 EVOLUTION.md：定义 Review→Apply→Report 工作流、触发条件、晋升决策树 Review→Apply→Report 循环 这是技能自进化的执行引擎： Before Task：按领域/标签加载相关经验条目 During Task：动态应用经验，可选标注引用来源（如"参考 LRN-xxx"） After Task：向用户总结本次使用的经验及改进效果 关键设计原则 语言自适应：完全继承目标 Skill 的用户语言（中/英/其他） 用户偏好 vs 领域最佳实践：用户级偏好存 MEMORY.md，领域共识存 .learnings/ 经验失效机制：当用户再次纠正时，原条目标记 Contradicted-By 或 Status: superseded OpenClaw 主动反馈：让 AI 在适当时机向用户透明进化过程，增强信任 显著优点 零侵入式赋能：无需修改目标 Skill 的核心逻辑，通过配置文件和约定目录实现能力注入 领域特化：针对不同 Skill（如"洗稿能手"vs"电脑加速"）提取专属触发词、错误模式、改进方向 可规模复制：一次元技能开发，可批量赋能任意数量的垂直 Skill 经验可追溯：LRN-YYYYMMDD-XXX 标准 ID 体系，支持版本化管理与冲突消解 人机协同进化：用户反馈直接驱动规则沉淀，形成"使用-反馈-学习-升级"正循环 潜在局限与风险 | 局限/风险 | 说明 ||-----------|------|| 冷启动问题 | 新 Skill 缺乏历史反馈，初期进化依赖通用模板，可能不够精准 || 过度拟合风险 | 若单一用户偏好被过度推广为领域规则，可能损害其他用户体验 || 经验冲突管理 | 多用户场景下，不同用户的矛盾反馈需要复杂的仲裁机制 || 维护成本 | .learnings/ 文件随时间膨胀，需要定期归档或清理机制 || 语言推断误差 | 若 SKILL.md 混合多语言，可能导致输出文件语言不一致 | 适合人群 Skill 开发者：希望为自己的垂直领域 Skill 快速添加持续学习能力 AI 产品团队：需要管理大量 Skill 矩阵，追求统一进化框架 高级用户：愿意通过反馈训练专属 AI 助手，追求个性化体验 企业场景：需要内部知识沉淀与最佳实践自动化的组织 常规风险 数据隐私：.learnings/ 可能记录敏感用户反馈，需明确存储策略与访问控制 版本兼容性：目标 Skill 升级后，历史经验可能失效，需建立经验验证机制 提示注入：若用户反馈包含恶意内容，可能被记录并影响后续输出，需输入过滤 依赖循环：若目标 Skill 本身调用其他 Skill，需避免进化逻辑的递归复杂性 原始说明 Enables any skill to gain self-evolution capabilities. Use when: (1) User asks to add self-evolution to a skill, (2) User wants a skill to learn from feedbac...