@chongyan/autospec 1.0.1 → 1.0.2

package/plugins/skills/evolution-process/SKILL.md

@@ -1,291 +0,0 @@
----
-name: evolution-process
-description: "When framework improvement, skill distillation, methodology extraction, practice log review, or field-evolve execution is needed — loads AutoSpec self-evolution process."
----
-
-# AutoSpec 自进化（自动感知）
-
-你检测到了与框架进化相关的任务（如：复盘、总结经验、提炼技能、更新方法论、执行 field-evolve）。
-
-## 前置
-
-1. 读取 `${KNOWLEDGE}/evolution.md` → 确认进化分区规则和安全护栏
-2. 读取 `${KNOWLEDGE}/principles/constitution.md` → 确认红线
-3. 读取 `${KNOWLEDGE}/principles/core-principles.md` → 本阶段重点 CP6(错误即信号)、CP7(模式识别)
-
-## 认知姿态（本阶段：反思 + 模式提炼）
-
-- **CP6 错误即信号**：每次回退/打回/纠正都是进化信号。重点关注：
-  - 同类错误第 2 次 → 生成防护规则（更新 checklist）
-  - 同类错误第 3 次 → 必须升级对应 skill
-- **CP7 模式识别**：从重复中发现规律。重点检测：
-  - 重复出现的任务模式 → 建议新 skill
-  - 重复出现的偏好/纠正 → 沉淀为 checklist
-  - 重复出现的架构决策 → 沉淀为 decision-tree
-
-## 三层进化体系
-
-```
-┌─────────────────────────────────────────────────────────────────┐
-│  L1: Self-Evolve (框架级)                                        │
-│  /self-evolve                                                    │
-│  目标: AutoSpec 框架自身的迭代升级                                  │
-│  位置: .claude/skills/self-evolve/                               │
-└─────────────────────────────────────────────────────────────────┘
-                              ↓ 提炼
-┌─────────────────────────────────────────────────────────────────┐
-│  L2: Field-Evolve (领域级)                                        │
-│  /autospec:field-evolve                                          │
-│  目标: 框架从实战项目中学习和提炼能力                               │
-│  位置: plugins/commands/field-evolve.md                            │
-└─────────────────────────────────────────────────────────────────┘
-                              ↓ 应用
-┌─────────────────────────────────────────────────────────────────┐
-│  L3: Project-Evolve (项目级)                                      │
-│  /autospec:project-evolve                                        │
-│  目标: 实战项目自身的代码、配置、文档优化                            │
-│  位置: plugins/commands/project-evolve.md                        │
-└─────────────────────────────────────────────────────────────────┘
-```
-
-## 进化类型识别
-
-根据触发来源，识别进化类型：
-
-| 触发来源 | 进化类型 | 层级 | 处理方式 |
-|---------|---------|------|---------|
-| `/self-evolve` | 框架自我进化 | L1 | 框架自身迭代 |
-| `/autospec:field-evolve --mode=quick` | 快速验证 | L2 | 执行确定性测试，生成报告 |
-| `/autospec:field-evolve --mode=deep` | 深度测试 | L2 | 执行 benchmarks + 评估分析 |
-| `/autospec:field-evolve --mode=full` | 完整循环 | L2 | deep + 改进 + 修复 + 蒸馏 |
-| `/autospec:field-evolve --mode=distill` | 技能蒸馏 | L2 | 从 practice-log 提炼技能 |
-| `/autospec:project-evolve --init-memory` | 初始化记忆 | L3 | 自动发现项目评测点 |
-| `/autospec:project-evolve --cruise` | 智能巡航 | L3 | 全自动持续进化 |
-| `/autospec:project-evolve --deep` | 深度进化 | L3 | 全维度分析+修复 |
-| `/autospec:project-evolve --focus=*` | 专项进化 | L3 | 针对特定维度优化 |
-| 自动触发（practice-log 积累） | 技能蒸馏 | L2 | 同 distill 模式 |
-
-## Field-Evolve 执行流程
-
-### Mode: quick（快速验证）
-
-**目标**: 快速验证项目基本健康度
-
-```
-Step 1: 确定技术栈
-  - 读取 .autospec/runtime/config.json
-  - 识别项目类型和构建工具
-
-Step 2: 运行确定性测试
-  - 编译检查
-  - 单元测试
-  - Lint 检查
-  - 类型检查（如适用）
-
-Step 3: AI 评测
-  - 失败分析
-  - 覆盖率分析
-  - 代码质量评估
-
-Step 4: 生成快速报告
-  - 测试结果汇总
-  - 改进建议
-  - 保存到 .autospec/logs/autospec:field-evolve/quick-{date}.md
-```
-
-### Mode: deep（深度测试）
-
-**目标**: 执行 benchmarks 并生成评估报告
-
-```
-Step 1: 扫描 Benchmarks
-  - 扫描 .autospec/benchmarks/*.yaml
-  - 加载 benchmark 配置
-
-Step 2: 执行 Benchmarks
-  - 创建隔离环境
-  - 执行每个 benchmark 的测试场景
-  - 捕获过程指标和产出物
-
-Step 3: 三维度评估
-  - 过程指标（30%）: Layer1/2 通过率、回退率等
-  - 结果指标（40%）: 产出物质量、一致性等
-  - 路径指标（30%）: 流程合规性、执行效率等
-
-Step 4: 生成深度报告
-  - 评分和等级
-  - 主要发现
-  - 改进建议
-  - 保存到 .autospec/logs/autospec:field-evolve/deep-{date}.md
-```
-
-### Mode: full（完整循环）
-
-**目标**: 完整进化循环（测试 → 评估 → 改进 → 修复 → 蒸馏）
-
-```
-Step 1-4: 同 deep 模式
-
-Step 5: 改进方案生成
-  - 问题分类（auto-fixable / manual-review）
-  - 优先级计算（P0/P1/P2）
-  - 影响预测
-  - 生成改进方案文档
-
-Step 6: 自动修复（如 --auto-fix）
-  - 执行 auto-fixable 的改进
-  - 验证修复效果
-  - 失败则回滚
-
-Step 7: 效果验证
-  - 重新执行 benchmarks
-  - 退化检测
-  - 生成验证报告
-
-Step 8: 技能蒸馏
-  - 同 distill 模式
-```
-
-### Mode: report（仅报告）
-
-**目标**: 分析并生成报告，不执行修复
-
-```
-Step 1-4: 同 deep 模式
-Step 5: 生成详细报告（包含改进建议，但不执行）
-```
-
-### Mode: distill（技能蒸馏）
-
-**目标**: 从 practice-log 提炼技能和方法论
-
-同「标准进化流程」（见下文）。
-
-### Mode: generate（生成 benchmarks）
-
-**目标**: 根据项目类型自动生成 benchmarks
-
-```
-Step 1: 检测项目类型
-  - package.json → Node.js
-  - pom.xml/build.gradle → Java
-  - go.mod → Go
-  - requirements.txt/pyproject.toml → Python
-
-Step 2: 选择模板
-  - 从 plugins/benchmarks/templates/ 加载对应模板
-
-Step 3: 生成配置
-  - 填充项目特定信息
-  - 调整构建/测试命令
-
-Step 4: 保存
-  - 保存到 .autospec/benchmarks/project-generated.yaml
-  - 提示用户可自定义修改
-```
-
-## 标准进化流程（Distill 模式）
-
-可使用 `/autospec:field-evolve --mode=distill` 或 `/evolve` 命令执行。
-
-### Step 1: 信号收集
-
-扫描 `.autospec/evolution/practice-log/` 中状态为 "Pending" 的条目。
-- 如果没有 Pending 条目 → 告知用户暂无可进化内容，结束
-- 如果有 → 列出所有 Pending 条目，继续
-
-### Step 2: 技能蒸馏（必须执行）
-
-**读取 `${KNOWLEDGE}/guides/support/skill-distiller.md`，按其中的"执行步骤"逐步执行：**
-1. 扫描 practice-log 中的操作轨迹和人工介入点
-2. 识别信号：反复出现的操作模式（3次以上）、频繁人工介入点、重复逻辑
-3. 如发现可蒸馏的新 skill → 按 `${KNOWLEDGE}/guides/_template.md` 格式生成
-4. 判断归属：stages/ 还是 domain/
-
-### Step 3: 方法论提取（必须执行）
-
-**读取 `${KNOWLEDGE}/guides/support/methodology-extractor.md`，按其中的"执行步骤"逐步执行：**
-1. 分析本次实践：哪些做法有效、哪些踩坑
-2. 与已有 `${KNOWLEDGE}/principles/core-principles.md` 和 `${KNOWLEDGE}/checklists/` 对比
-3. 如果是新发现 → 提取为方法论更新
-4. 如果与已有原则冲突 → 标记待讨论，**不自动覆盖**
-
-### Step 4: 已有技能升级检查
-
-**读取 `${KNOWLEDGE}/guides/support/skill-updater.md`，检查是否有需要升级的 skill：**
-- 同类问题出现 3 次以上 → 必须升级对应 skill
-- 收集该 skill 的所有反馈数据，分析问题模式
-- 生成修改建议
-
-### Step 5: 分区执行（读取 `${KNOWLEDGE}/evolution.md` 确认规则）
-
-对每个发现的进化项，确认所属分区后执行：
-
-**自由区**（domain skills, decision-trees）：
-1. 执行变更
-2. **必须调用 `${KNOWLEDGE}/guides/support/skill-validator.md` 验证** — 读取该文件的"评判标准"和"评审步骤"，逐项检查新/修改的 skill
-3. 验证通过 → 写入对应目录
-4. 验证不通过 → 修正后重新验证（最多2次）
-
-**受控区**（stage skills, checklists, principles）：
-1. 生成变更提案，写入 `.autospec/evolution/proposals/{NNN}-{title}.md`
-2. 提案格式：当前问题 + 建议修改 + 支撑证据(practice-log引用) + 预期效果
-3. **主动告知用户**：有新的受控区变更提案需要审批
-
-**冻结区**（constitution, evolution rules）：
-- **绝不触碰**，仅在报告中标记建议
-
-### Step 6: 三级回流决策（全局/组织能力沉淀）
-
-对每个自由区进化项，决定回流目标：
-
-**回流目标**：
-1. **项目级**（默认）：留在当前项目，仅当前项目可用
-2. **用户全局**（`~/.claude/autospec/skills/`）：所有项目可复用
-3. **组织级**（`~/.claude/autospec/orgs/{org-name}/skills/`）：组织内共享
-
-**决策规则**：
-- 优先回流到用户全局（除非用户偏好设置禁止）
-- 组织级回流需要明确指定组织名称
-- 读取 `team-preferences` 获取用户进化偏好（自动/手动）
-
-**回流操作**：
-- 用户全局回流：调用 `autospec global publish <skill-name>`
-- 组织级回流：调用 `autospec org publish <org-name> <skill-name>`
-- 自动回流时同时创建 Claude Code 符号链接（`~/.claude/skills/autospec`）
-
-**实战项目 → AutoSpec 回流**（field-evolve 特有）：
-```
-如配置回流到 AutoSpec：
-1. 将提炼的技能复制到 .autospec/evolution/distilled-skills/
-2. 生成回流提案（PR 模板）
-3. 提示用户提交到 AutoSpec 项目
-```
-
-### Step 7: 效果验证
-
-- 如有基准案例（`${KNOWLEDGE}/evaluation/benchmarks/`），对比变更前后
-- 退化 → 自动回滚并记录
-
-### Step 8: 记录审计
-
-- 所有变更记录到 `.autospec/evolution/evolution-log.json`
-- 更新 practice-log 对应条目状态为 "已处理"
-
-## 自动触发时机
-
-本 skill 会在以下时机被自动感知触发：
-- 全流程完成后（交付阶段结束时自动触发进化信号扫描）
-- practice-log 积累到 5 条以上
-- 同类问题出现第 3 次
-- 用户明确要求复盘或提炼经验
-- 收到人工反馈或纠正时
-- 执行 `/autospec:field-evolve` 命令时
-
-## 安全底线
-
-- 绝不修改 `constitution.md`、`evolution.md`、核心设计原则
-- 绝不降低审查标准
-- 每条变更必须引用至少1条 practice-log
-- 同一组件每轮最多进化一次
-- field-evolve 的自动修复不修改冻结区文件