bobo-ai-cli 1.0.1

package/knowledge/skills/self-evolution.md

@@ -0,0 +1,1160 @@
+---
+id: "self-evolution"
+title: "Self-Evolution Skill - 技能自我进化系统"
+category: "agent-engineering"
+tags: ["🎯 核心概念", "🏗️ 架构设计", "📊 数据收集机制", "📦 实现状态", "优化权重（分析最近 30 天数据）", "a/b 测试（对比两个版本）", "在浏览器中打开 dashboard.html", "查看帮助"]
+triggers: []
+dependencies: []
+source: "E:/Bobo's Coding cache/.claude/skills/self-evolution"
+---
+
+# Self-Evolution Skill - 技能自我进化系统
+
+## 🎯 核心概念
+
+Self-Evolution 是一个**元级 (Meta-level) Skill**，能够监控、分析和优化所有其他技能的表现，实现技能系统的自我进化和持续改进。
+
+### 核心能力
+
+1. **质量评估** - 分析生成的提示词和输出质量
+2. **反馈学习** - 从用户修改和评价中学习
+3. **模式发现** - 识别高频组合和成功模式
+4. **权重优化** - 自动调整元素复用性评分
+5. **框架进化** - 改进 skill 配置和规则
+6. **知识迁移** - 跨领域知识复用和迁移
+
+---
+
+## 🏗️ 架构设计
+
+```
+Self-Evolution Skill
+├── 模块1: 质量评估器 (Quality Evaluator)
+│   └── 分析生成内容的质量指标
+├── 模块2: 反馈学习器 (Feedback Learner)
+│   └── 从用户修改中提取改进点
+├── 模块3: 模式发现器 (Pattern Discoverer)
+│   └── 识别高频元素组合和成功模式
+├── 模块4: 权重优化器 (Weight Optimizer)
+│   └── 自动调整元素复用性评分
+├── 模块5: 框架进化器 (Framework Evolver)
+│   └── 优化 skill 配置和规则
+└── 模块6: 知识迁移器 (Knowledge Transferer)
+    └── 跨领域知识复用和迁移
+```
+
+---
+
+## 📊 数据收集机制
+
+### 自动收集数据
+
+每次 skill 执行时自动记录：
+
+```json
+{
+  "session_id": "sess_20260110_001",
+  "timestamp": "2026-01-10T10:30:00Z",
+  "skill_name": "ui-ux-pro-max",
+  "trigger": {
+    "user_request": "设计 SaaS 定价页面",
+    "detected_keywords": ["saas", "pricing", "page", "design"],
+    "context": {
+      "tech_stack": "html-tailwind",
+      "project_type": "landing-page"
+    }
+  },
+  "execution": {
+    "searches_performed": [
+      { "domain": "product", "query": "saas pricing", "results": 3 },
+      { "domain": "style", "query": "minimalism modern", "results": 5 },
+      { "domain": "color", "query": "saas", "results": 2 }
+    ],
+    "elements_used": {
+      "styles": ["minimalism", "glassmorphism"],
+      "colors": ["#0F172A", "#3B82F6", "#F3F4F6"],
+      "fonts": ["Inter", "Space Grotesk"],
+      "components": ["pricing-card", "cta-button", "feature-grid"]
+    },
+    "duration_ms": 1250
+  },
+  "output": {
+    "code_lines": 450,
+    "components_count": 8,
+    "has_responsive": true,
+    "has_dark_mode": true
+  },
+  "user_feedback": {
+    "modified": false,
+    "rating": null,
+    "comments": []
+  }
+}
+```
+
+### 反馈收集方式
+
+1. **隐式反馈** - 自动检测用户修改
+   - 代码修改率（修改行数 / 总行数）
+   - 修改类型（样式、结构、逻辑）
+   - 修改时间（生成后多久修改）
+
+2. **显式反馈** - 用户主动评价
+   - 质量评分（1-5星）
+   - 具体问题标注
+   - 改进建议
+
+3. **使用反馈** - 长期使用数据
+   - 复用频率
+   - 迭代次数
+   - 最终保留率
+
+---
+
+## 📦 实现状态
+
+### ✅ Phase 1: 数据收集系统（已完成）
+
+**状态**: 生产就绪
+
+**包含组件**:
+
+- `hooks/record-execution.js` - PostToolUse Hook，自动记录执行数据
+- `hooks/collect-feedback.js` - SessionEnd Hook，收集用户反馈
+- `hooks/detect-modifications.js` - OnFileEdit Hook，实时追踪修改
+- `scripts/cleanup.py` - 数据清理和归档工具
+- `scripts/weekly_report.py` - 周报生成工具
+- `config.yaml` - 统一配置文件
+- `data/` - 数据存储目录结构
+
+**数据流**:
+
+```
+Skill 执行 → record-execution.js → 质量评估 → 保存执行记录
+用户修改 → detect-modifications.js → 追踪修改 → 保存修改记录
+会话结束 → collect-feedback.js → 分析满意度 → 保存反馈记录
+```
+
+### ✅ Phase 2: 权重优化系统（已完成）
+
+**状态**: 生产就绪
+
+**包含组件**:
+
+- `scripts/weight_optimizer.py` - 权重优化主模块
+  - 基于质量和使用频率计算权重
+  - 时间衰减（半衰期 60 天）
+  - 平滑因子防止过度波动
+  - 支持增量更新
+- `scripts/ab_testing.py` - A/B 测试统计验证
+  - Welch's t-test 显著性检验
+  - Cohen's d 效应量计算
+  - 置信区间评估
+
+**算法**:
+
+```python
+Weight(t) = α × Quality + (1-α) × Usage_Frequency
+          × Decay_Factor(t) × (1 - Smoothing)
+          + Previous_Weight × Smoothing
+```
+
+**使用方法**:
+
+```bash
+# 优化权重（分析最近 30 天数据）
+python scripts/weight_optimizer.py --days 30
+
+# A/B 测试（对比两个版本）
+python scripts/ab_testing.py version_a.json version_b.json
+```
+
+### ✅ Phase 3: 核心分析模块（已完成）
+
+**状态**: 生产就绪
+
+**包含组件**:
+
+#### 1. 质量评估器 (`quality_evaluator.py`)
+
+- **5 维度评估**:
+  - Completeness (完整性) - 是否包含所有必需元素
+  - Consistency (一致性) - 代码风格、命名统一性
+  - Professionalism (专业性) - 最佳实践遵循度
+  - Performance (性能) - 代码效率和资源使用
+  - Maintainability (可维护性) - 可读性、模块化程度
+- **综合评分**: 加权平均，输出 0-1 范围分数
+- **问题诊断**: 自动识别并列出问题清单
+
+**使用**:
+
+```bash
+python scripts/quality_evaluator.py execution_data.json
+```
+
+#### 2. 模式发现器 (`pattern_discovery.py`)
+
+- **Apriori 算法**: 频繁项集挖掘
+- **成功模式识别**: 识别导致高质量输出的元素组合
+- **失败模式识别**: 识别应避免的反模式
+- **搜索序列分析**: 识别有效的搜索流程
+
+**使用**:
+
+```bash
+python scripts/pattern_discovery.py --days 30 --min-support 0.1
+```
+
+#### 3. 知识迁移器 (`knowledge_transfer.py`)
+
+- **跨域相似度**: 余弦相似度计算
+- **模式适配性**: 评估模式在目标域的适用性
+- **迁移推荐**: 为新领域提供基于相似域的推荐
+- **支持 10+ 产品类型**: SaaS, 电商, 作品集, 博客, 仪表板等
+
+**使用**:
+
+```bash
+python scripts/knowledge_transfer.py --days 90 --similarity 0.6
+```
+
+### ✅ Phase 4: 高级功能（已完成）
+
+**状态**: 生产就绪
+
+**包含组件**:
+
+#### 1. 框架进化器 (`framework_evolver.py`)
+
+- **配置优化**: 基于性能数据自动调整配置参数
+- **规则进化**: 发现并更新搜索规则
+- **阈值自动调整**: 根据质量趋势优化阈值
+- **搜索域优先级**: 优化搜索顺序
+
+**使用**:
+
+```bash
+python scripts/framework_evolver.py  # 生成建议
+python scripts/framework_evolver.py --apply  # 自动应用（实验性）
+```
+
+#### 2. 模板生成器 (`template_generator.py`)
+
+- **模板提取**: 从成功案例中提取通用结构
+- **占位符生成**: 自动识别可变部分
+- **模板分类**: 按产品类型、样式等分类
+- **模板验证**: 确保生成的模板有效且完整
+
+**使用**:
+
+```bash
+python scripts/template_generator.py --min-quality 0.75
+```
+
+#### 3. 自动化调度器 (`scheduler.py`)
+
+- **任务调度**: 支持 daily、weekly、monthly 周期
+- **依赖管理**: 自动处理任务间依赖关系
+- **后台运行**: Daemon 模式持续运行
+- **任务日志**: 记录所有执行历史
+
+**使用**:
+
+```bash
+python scripts/scheduler.py --list           # 列出所有任务
+python scripts/scheduler.py                  # 运行一次
+python scripts/scheduler.py --daemon         # Daemon 模式
+python scripts/scheduler.py --task optimize  # 运行特定任务
+```
+
+#### 4. 可视化仪表板 (`dashboard.html`)
+
+- **实时统计**: 执行次数、质量分数、模式数等
+- **趋势图表**: 30 天质量趋势可视化
+- **最近记录**: 显示最近执行和模式发现
+- **模板库**: 浏览可用模板
+
+**使用**:
+
+```bash
+# 方法 1: 使用 CLI 工具
+python cli.py dashboard
+
+# 方法 2: 直接打开
+# 在浏览器中打开 dashboard.html
+```
+
+#### 5. 统一命令行工具 (`cli.py`)
+
+提供统一的命令行接口执行所有操作：
+
+```bash
+# 查看帮助
+python cli.py --help
+
+# 运行分析
+python cli.py analyze --window 30
+
+# 优化权重
+python cli.py optimize --window 7
+
+# 生成模板
+python cli.py template --min-quality 0.75
+
+# 框架进化
+python cli.py evolve
+
+# 管理调度器
+python cli.py schedule --list
+python cli.py schedule --daemon
+
+# 查看状态
+python cli.py status
+
+# 打开仪表板
+python cli.py dashboard
+
+# 清理数据
+python cli.py cleanup --days 90
+```
+
+---
+
+## 🧠 六大核心模块
+
+### 模块1: 质量评估器 (Quality Evaluator)
+
+**职责**: 自动评估生成内容的质量
+
+#### 评估维度
+
+| 维度         | 指标               | 计算方法                      |
+| ------------ | ------------------ | ----------------------------- |
+| **完整性**   | Completeness Score | 必需元素覆盖率 × 100%         |
+| **一致性**   | Consistency Score  | 样式统一度 × 设计系统匹配度   |
+| **专业性**   | Professionalism    | 最佳实践遵守率 × 无障碍合规率 |
+| **性能**     | Performance        | 代码效率 × 加载速度预估       |
+| **可维护性** | Maintainability    | 代码结构清晰度 × 注释质量     |
+
+#### 评分算法
+
+```python
+def calculate_quality_score(output):
+    scores = {
+        'completeness': check_required_elements(output),
+        'consistency': check_design_consistency(output),
+        'professionalism': check_best_practices(output),
+        'performance': estimate_performance(output),
+        'maintainability': analyze_code_structure(output)
+    }
+
+    # 加权平均
+    weights = {
+        'completeness': 0.25,
+        'consistency': 0.20,
+        'professionalism': 0.25,
+        'performance': 0.15,
+        'maintainability': 0.15
+    }
+
+    total_score = sum(scores[k] * weights[k] for k in scores)
+    return {
+        'total': total_score,
+        'breakdown': scores,
+        'grade': get_grade(total_score)
+    }
+```
+
+#### 自动改进建议
+
+```python
+def generate_improvement_suggestions(quality_report):
+    suggestions = []
+
+    if quality_report['completeness'] < 0.8:
+        suggestions.append({
+            'type': 'missing_elements',
+            'severity': 'high',
+            'message': '缺少必需元素',
+            'missing': find_missing_elements(output)
+        })
+
+    if quality_report['consistency'] < 0.7:
+        suggestions.append({
+            'type': 'inconsistent_styling',
+            'severity': 'medium',
+            'message': '样式不一致',
+            'conflicts': find_style_conflicts(output)
+        })
+
+    return suggestions
+```
+
+---
+
+### 模块2: 反馈学习器 (Feedback Learner)
+
+**职责**: 从用户修改中提取改进点
+
+#### 修改检测
+
+```python
+def detect_user_modifications(original, modified):
+    diff = unified_diff(original, modified)
+
+    modifications = {
+        'style_changes': [],
+        'structure_changes': [],
+        'logic_changes': [],
+        'additions': [],
+        'deletions': []
+    }
+
+    for change in diff:
+        category = classify_change(change)
+        modifications[category].append({
+            'line': change.line_number,
+            'type': change.type,
+            'content': change.content,
+            'reason': infer_reason(change)
+        })
+
+    return modifications
+```
+
+#### 学习模式提取
+
+```python
+def extract_learning_patterns(modifications_history):
+    patterns = []
+
+    # 频繁修改模式
+    frequent_changes = find_frequent_changes(modifications_history)
+    for change in frequent_changes:
+        patterns.append({
+            'type': 'frequent_modification',
+            'pattern': change.pattern,
+            'frequency': change.count,
+            'suggestion': generate_default_fix(change)
+        })
+
+    # 用户偏好
+    user_preferences = extract_preferences(modifications_history)
+    patterns.append({
+        'type': 'user_preference',
+        'preferences': user_preferences
+    })
+
+    return patterns
+```
+
+#### 自动调整规则
+
+```yaml
+# 学习到的规则示例
+learned_rules:
+  - id: rule_001
+    pattern: '用户总是将 bg-white/10 改为 bg-white/80'
+    context: '明亮模式下的玻璃卡片'
+    action: '默认使用 bg-white/80'
+    confidence: 0.92
+    occurrences: 12
+
+  - id: rule_002
+    pattern: '用户删除所有 emoji 图标，替换为 SVG'
+    context: 'UI 图标'
+    action: '直接使用 SVG 图标库'
+    confidence: 0.95
+    occurrences: 18
+```
+
+---
+
+### 模块3: 模式发现器 (Pattern Discoverer)
+
+**职责**: 识别高频元素组合和成功模式
+
+#### 高频组合挖掘
+
+```python
+def mine_frequent_combinations(usage_history):
+    # 使用 Apriori 算法挖掘频繁项集
+    combinations = []
+
+    # 样式组合
+    style_combinations = apriori(
+        transactions=[h['elements_used']['styles'] for h in usage_history],
+        min_support=0.3
+    )
+
+    # 颜色组合
+    color_combinations = apriori(
+        transactions=[h['elements_used']['colors'] for h in usage_history],
+        min_support=0.4
+    )
+
+    return {
+        'styles': style_combinations,
+        'colors': color_combinations,
+        'confidence': calculate_confidence(combinations)
+    }
+```
+
+#### 成功模式识别
+
+```python
+def identify_success_patterns(execution_history):
+    """识别高质量输出的共同特征"""
+    high_quality = [h for h in execution_history
+                    if h['quality_score'] >= 0.85
+                    and h['user_feedback']['rating'] >= 4]
+
+    patterns = {
+        'common_searches': find_common_search_sequences(high_quality),
+        'common_elements': find_common_elements(high_quality),
+        'common_structures': find_common_structures(high_quality)
+    }
+
+    return patterns
+```
+
+#### 模板自动生成
+
+```python
+def generate_templates_from_patterns(patterns):
+    """从识别的模式自动生成设计模板"""
+    templates = []
+
+    for pattern in patterns['common_structures']:
+        if pattern['frequency'] > 0.7:
+            template = {
+                'name': generate_template_name(pattern),
+                'category': pattern['category'],
+                'elements': pattern['elements'],
+                'structure': pattern['structure'],
+                'usage_count': pattern['count'],
+                'success_rate': pattern['success_rate']
+            }
+            templates.append(template)
+
+    return templates
+```
+
+---
+
+### 模块4: 权重优化器 (Weight Optimizer)
+
+**职责**: 自动调整元素复用性评分
+
+#### 动态权重调整
+
+```python
+def optimize_element_weights(usage_stats):
+    """基于使用统计优化元素权重"""
+    for element in database:
+        # 计算新权重
+        usage_score = calculate_usage_score(element, usage_stats)
+        quality_score = calculate_quality_score(element, usage_stats)
+        feedback_score = calculate_feedback_score(element, usage_stats)
+
+        # 加权组合
+        new_weight = (
+            usage_score * 0.4 +
+            quality_score * 0.4 +
+            feedback_score * 0.2
+        )
+
+        # 平滑更新（避免剧烈变化）
+        element['weight'] = (
+            element['weight'] * 0.7 +
+            new_weight * 0.3
+        )
+```
+
+#### 衰减机制
+
+```python
+def apply_time_decay(elements):
+    """对长期未使用的元素降低权重"""
+    current_time = datetime.now()
+
+    for element in elements:
+        days_since_last_use = (current_time - element['last_used']).days
+
+        if days_since_last_use > 30:
+            decay_factor = exp(-days_since_last_use / 100)
+            element['weight'] *= decay_factor
+```
+
+#### 趋势检测
+
+```python
+def detect_trending_elements(usage_history, window_days=30):
+    """检测最近流行的设计元素"""
+    recent = filter_recent(usage_history, window_days)
+
+    trends = []
+    for element in database:
+        recent_usage = count_usage(element, recent)
+        historical_usage = count_usage(element, usage_history)
+
+        growth_rate = recent_usage / historical_usage
+
+        if growth_rate > 1.5:  # 增长超过50%
+            trends.append({
+                'element': element,
+                'growth_rate': growth_rate,
+                'category': 'rising'
+            })
+
+    return trends
+```
+
+---
+
+### 模块5: 框架进化器 (Framework Evolver)
+
+**职责**: 优化 skill 配置和规则
+
+#### 规则优化
+
+```python
+def optimize_framework_rules(performance_data):
+    """基于性能数据优化框架规则"""
+    rules = load_rules('prompt_framework.yaml')
+
+    for rule in rules:
+        # 分析规则效果
+        effectiveness = analyze_rule_effectiveness(rule, performance_data)
+
+        if effectiveness < 0.5:
+            # 规则效果差，尝试优化
+            optimized_rule = optimize_rule(rule, performance_data)
+            rules.update(optimized_rule)
+
+        elif effectiveness > 0.9:
+            # 规则效果好，提升优先级
+            rule['priority'] += 1
+
+    save_rules(rules, 'prompt_framework.yaml')
+```
+
+#### 搜索策略优化
+
+```python
+def optimize_search_strategy(search_history):
+    """优化搜索顺序和参数"""
+    # 分析哪些搜索顺序效果最好
+    sequences = extract_search_sequences(search_history)
+
+    best_sequence = max(sequences, key=lambda s: s['success_rate'])
+
+    # 更新默认搜索顺序
+    update_default_sequence(best_sequence)
+
+    # 优化搜索参数
+    for domain in ['product', 'style', 'typography', 'color']:
+        optimal_limit = find_optimal_result_limit(domain, search_history)
+        update_domain_config(domain, {'limit': optimal_limit})
+```
+
+#### A/B 测试框架
+
+```python
+def ab_test_framework_changes(change_proposal):
+    """对框架更改进行 A/B 测试"""
+    test_config = {
+        'variant_a': current_framework,  # 控制组
+        'variant_b': apply_changes(current_framework, change_proposal),  # 实验组
+        'traffic_split': 0.5,
+        'duration_days': 14,
+        'metrics': ['quality_score', 'user_satisfaction', 'execution_time']
+    }
+
+    results = run_ab_test(test_config)
+
+    if results['variant_b']['quality_score'] > results['variant_a']['quality_score']:
+        if results['p_value'] < 0.05:  # 统计显著
+            apply_changes_permanently(change_proposal)
+```
+
+---
+
+### 模块6: 知识迁移器 (Knowledge Transferer)
+
+**职责**: 跨领域知识复用和迁移
+
+#### 领域相似度计算
+
+```python
+def calculate_domain_similarity(domain_a, domain_b):
+    """计算两个领域的相似度"""
+    similarity_scores = {
+        'element_overlap': jaccard_similarity(
+            domain_a['elements'],
+            domain_b['elements']
+        ),
+        'pattern_similarity': cosine_similarity(
+            domain_a['patterns'],
+            domain_b['patterns']
+        ),
+        'structure_similarity': structural_similarity(
+            domain_a['structure'],
+            domain_b['structure']
+        )
+    }
+
+    return weighted_average(similarity_scores)
+```
+
+#### 知识迁移
+
+```python
+def transfer_knowledge(source_domain, target_domain):
+    """从源领域迁移知识到目标领域"""
+    transferable_patterns = []
+
+    # 找出可迁移的模式
+    for pattern in source_domain['success_patterns']:
+        if is_transferable(pattern, target_domain):
+            adapted_pattern = adapt_pattern(pattern, target_domain)
+            transferable_patterns.append(adapted_pattern)
+
+    # 应用迁移
+    for pattern in transferable_patterns:
+        target_domain['patterns'].append(pattern)
+        log_transfer(source_domain, target_domain, pattern)
+
+    return transferable_patterns
+```
+
+#### 跨栈适配
+
+```python
+def adapt_across_stacks(knowledge, source_stack, target_stack):
+    """在不同技术栈之间适配知识"""
+    adaptations = {
+        'html-tailwind': {
+            'to_react': convert_tailwind_to_react_classes,
+            'to_vue': convert_tailwind_to_vue_classes,
+            'to_swiftui': convert_web_to_swiftui
+        },
+        'react': {
+            'to_vue': convert_react_to_vue,
+            'to_svelte': convert_react_to_svelte
+        }
+    }
+
+    adapter = adaptations[source_stack][f'to_{target_stack}']
+    return adapter(knowledge)
+```
+
+---
+
+## 🚀 使用方式
+
+### 自动模式（推荐）
+
+Self-Evolution 在后台自动运行，无需显式调用：
+
+```bash
+# 正常使用任何 skill
+"设计一个 SaaS 定价页面"
+
+# Self-Evolution 自动：
+# 1. 记录执行数据
+# 2. 评估输出质量
+# 3. 收集用户反馈
+# 4. 优化权重和规则
+```
+
+### 手动分析
+
+查看和管理进化数据：
+
+```bash
+# 查看质量报告
+/self-evolution:quality-report
+
+# 查看学习到的模式
+/self-evolution:patterns
+
+# 查看权重变化
+/self-evolution:weights
+
+# 触发手动优化
+/self-evolution:optimize
+
+# 导出进化数据
+/self-evolution:export
+```
+
+---
+
+## 📈 进化效果追踪
+
+### 关键指标 (KPI)
+
+| 指标           | 目标      | 计算方式         |
+| -------------- | --------- | ---------------- |
+| **质量提升率** | 每月 +5%  | 平均质量分增长率 |
+| **用户满意度** | ≥ 4.5/5   | 用户评分平均值   |
+| **修改率下降** | 每月 -10% | 用户修改比例     |
+| **复用率提升** | 每月 +8%  | 元素复用次数增长 |
+| **执行效率**   | < 2秒     | 平均执行时间     |
+
+### 进化仪表板
+
+```markdown
+## Self-Evolution Dashboard
+
+### 整体健康度: 87/100 ⬆️ (+5)
+
+#### 本周进化数据
+
+- 总执行次数: 245
+- 平均质量分: 0.87 (+0.03)
+- 用户满意度: 4.6/5 (+0.2)
+- 修改率: 12% (-3%)
+
+#### 学习成果
+
+- 新发现模式: 3
+- 规则优化: 5
+- 权重调整: 18
+- 知识迁移: 2
+
+#### Top 改进
+
+1. 明亮模式对比度问题解决 ✅
+2. SVG 图标使用提升 50%
+3. 响应式断点优化
+4. 颜色调色板更新
+
+#### 待优化项
+
+1. 复杂布局生成耗时较长
+2. 某些字体组合覆盖不足
+3. 动画性能优化空间
+```
+
+---
+
+## 🔧 配置文件
+
+### self-evolution-config.yaml
+
+```yaml
+# Self-Evolution Skill 配置
+
+# 数据收集
+data_collection:
+  enabled: true
+  storage_path: '.claude/skills/self-evolution/data'
+  retention_days: 90
+  anonymize: true
+
+# 质量评估
+quality_evaluator:
+  enabled: true
+  evaluation_mode: 'automatic' # automatic | on_demand
+  thresholds:
+    completeness: 0.8
+    consistency: 0.7
+    professionalism: 0.75
+    performance: 0.6
+    maintainability: 0.7
+
+# 反馈学习
+feedback_learner:
+  enabled: true
+  modification_tracking: true
+  learning_rate: 0.3
+  min_confidence: 0.7
+
+# 模式发现
+pattern_discoverer:
+  enabled: true
+  min_support: 0.3
+  min_confidence: 0.6
+  pattern_types:
+    - 'element_combinations'
+    - 'search_sequences'
+    - 'success_patterns'
+
+# 权重优化
+weight_optimizer:
+  enabled: true
+  update_frequency: 'daily' # hourly | daily | weekly
+  smoothing_factor: 0.3
+  time_decay_enabled: true
+  decay_half_life_days: 60
+
+# 框架进化
+framework_evolver:
+  enabled: true
+  ab_testing: true
+  auto_apply_threshold: 0.95
+  manual_review_threshold: 0.7
+
+# 知识迁移
+knowledge_transferer:
+  enabled: true
+  cross_domain: true
+  cross_stack: true
+  similarity_threshold: 0.6
+
+# 报告
+reporting:
+  dashboard_enabled: true
+  dashboard_path: '.claude/skills/self-evolution/dashboard.md'
+  update_frequency: 'weekly'
+  export_format: 'json' # json | csv | markdown
+```
+
+---
+
+## 📁 数据文件结构
+
+```
+.claude/skills/self-evolution/
+├── README.md                       # 本文档
+├── config.yaml                     # 配置文件
+├── data/                           # 数据存储
+│   ├── executions/                 # 执行记录
+│   │   ├── 2026-01/
+│   │   │   ├── sess_20260110_001.json
+│   │   │   └── sess_20260110_002.json
+│   │   └── index.db
+│   ├── feedback/                   # 反馈数据
+│   │   ├── modifications.json
+│   │   ├── ratings.json
+│   │   └── comments.json
+│   ├── patterns/                   # 发现的模式
+│   │   ├── frequent_combinations.json
+│   │   ├── success_patterns.json
+│   │   └── templates.json
+│   ├── weights/                    # 权重历史
+│   │   ├── current_weights.json
+│   │   ├── weight_history.json
+│   │   └── trends.json
+│   └── rules/                      # 学习到的规则
+│       ├── learned_rules.yaml
+│       └── rule_history.json
+├── reports/                        # 报告输出
+│   ├── dashboard.md
+│   ├── weekly_reports/
+│   └── exports/
+└── scripts/                        # 辅助脚本
+    ├── analyze.py
+    ├── optimize.py
+    └── export.py
+```
+
+---
+
+## 🔄 集成方式
+
+### 与现有 Skills 集成
+
+Self-Evolution 通过钩子系统集成：
+
+```json
+{
+  "hooks": [
+    {
+      "type": "PostToolUse",
+      "tool": "Skill",
+      "script": ".claude/skills/self-evolution/hooks/record-execution.js"
+    },
+    {
+      "type": "SessionEnd",
+      "script": ".claude/skills/self-evolution/hooks/collect-feedback.js"
+    }
+  ]
+}
+```
+
+### 数据流
+
+```
+Skill 执行
+    ↓
+[PostToolUse Hook] 记录执行数据
+    ↓
+[质量评估器] 评估输出质量
+    ↓
+[反馈学习器] 检测用户修改
+    ↓
+[模式发现器] 挖掘成功模式
+    ↓
+[权重优化器] 调整元素权重
+    ↓
+[框架进化器] 优化规则配置
+    ↓
+[知识迁移器] 跨域知识迁移
+    ↓
+[报告生成] 更新仪表板
+```
+
+---
+
+## 🎯 进化目标
+
+### 短期目标 (1个月)
+
+- ✅ 质量分从 0.75 提升到 0.85
+- ✅ 修改率从 20% 降低到 12%
+- ✅ 用户满意度从 4.0 提升到 4.5
+- ✅ 发现并创建 10 个高质量模板
+
+### 中期目标 (3个月)
+
+- ✅ 质量分提升到 0.90+
+- ✅ 修改率降低到 8%
+- ✅ 用户满意度达到 4.7+
+- ✅ 知识迁移覆盖 5 个领域
+- ✅ 执行效率提升 30%
+
+### 长期目标 (6个月)
+
+- ✅ 质量分稳定在 0.92+
+- ✅ 修改率降低到 5%
+- ✅ 用户满意度稳定在 4.8+
+- ✅ 自动生成 50+ 设计模板
+- ✅ 实现跨栈知识迁移
+- ✅ 框架规则完全优化
+
+---
+
+## 🚨 注意事项
+
+### 隐私保护
+
+- ✅ 所有数据本地存储
+- ✅ 支持数据匿名化
+- ✅ 可配置数据保留期
+- ✅ 用户可随时清除数据
+
+### 性能影响
+
+- ✅ 数据收集异步进行，不影响主流程
+- ✅ 优化和分析在后台定期执行
+- ✅ 可配置更新频率
+- ✅ 支持按需禁用模块
+
+### 安全性
+
+- ✅ 不收集敏感代码内容
+- ✅ 不上传到外部服务
+- ✅ 权限限制在 skill 范围内
+- ✅ 完全透明和可审计
+
+---
+
+## 🧪 测试
+
+### 运行测试
+
+```bash
+# 运行所有测试
+python run_tests.py
+
+# 详细输出
+python run_tests.py --verbose
+```
+
+### 测试覆盖
+
+- ✅ `test_weight_optimizer.py` - 权重优化算法测试
+  - 时间衰减计算
+  - 权重计算逻辑
+  - 平滑因子效果
+
+- ✅ `test_ab_testing.py` - A/B 测试统计验证
+  - 均值和方差计算
+  - t-test 显著性检验
+  - Cohen's d 效应量
+  - 完整分析流程
+
+### 最近修复 (2026-01-11)
+
+**修复的 Bug**:
+
+1. **weight_optimizer.py** - 字段名不匹配
+   - 问题: 代码期望 `days_ago` 和 `quality` 字段，但测试提供 `timestamp` 和 `quality_score`
+   - 修复: 添加兼容逻辑，自动从 `timestamp` 计算 `days_ago`，支持两种字段名
+
+2. **ab_testing.py** - 小样本 p-value 不准确
+   - 问题: 小样本 t-test 的 p-value 过于保守（固定为 0.1 或 0.3）
+   - 修复: 集成 scipy.stats.t.cdf() 精确计算，无 scipy 时使用改进的分段近似
+
+3. **run_tests.py** - Windows GBK 编码错误
+   - 问题: Windows 命令行无法显示 Unicode emoji (✅ ❌)
+   - 修复: 使用 ASCII 文本 `[SUCCESS]` 和 `[FAILED]` 替代
+
+**测试结果**: 所有 8 个测试通过 ✅
+
+```bash
+# 验证修复
+python run_tests.py
+# Tests run: 8
+# Successes: 8
+# Failures: 0
+# Errors: 0
+```
+
+### 添加新测试
+
+在 `tests/` 目录下创建 `test_<module>.py` 文件：
+
+```python
+import unittest
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).parent.parent / 'scripts'))
+
+from <module> import <ClassName>
+
+class Test<ClassName>(unittest.TestCase):
+    def setUp(self):
+        # 测试准备
+        pass
+
+    def test_<feature>(self):
+        # 测试逻辑
+        pass
+
+if __name__ == '__main__':
+    unittest.main()
+```
+
+---
+
+## 📚 相关文档
+
+- [ARCHITECTURE.md](./ARCHITECTURE.md) - 详细架构设计
+- [ALGORITHMS.md](./ALGORITHMS.md) - 算法实现细节
+- [API.md](./API.md) - 编程接口文档
+- [CHANGELOG.md](./CHANGELOG.md) - 更新日志
+
+---
+
+## 🤝 贡献
+
+欢迎贡献改进建议和代码！
+
+### 改进方向
+
+- 新的质量评估指标
+- 更智能的模式识别算法
+- 跨栈适配规则
+- 领域特定优化
+- 可视化仪表板增强
+
+---
+
+**最后更新**: 2026-01-11
+**版本**: 1.0.3
+**状态**: Phase 1-3 已完成，可投入使用