技能自进化

技能自进化是指AI Agent技能能够通过观察失败、追溯根因、自动修正和评估迭代，实现自我优化的能力。这一概念将传统静态的SKILL.md文件升级为动态、可自我优化的系统组件。

核心动机

传统静态技能文件在生产环境中面临"隐形衰败"问题：环境变化（模型更新、API改版、代码库重构）导致技能逐渐失效，且问题难以追踪。手动修复如同"考古学"，开发者只能凭经验猜测修改哪一行。

实现机制

cognee-skills框架通过五步闭环实现技能自进化：

1. 观察（Observe）：每次执行后强制记录结构化数据
2. 检查（Inspect）：失败累积到阈值时触发图遍历分析
3. 修正（Amend）：基于历史失败证据生成最小化修改建议
4. 评估（Evaluate）：影子A/B测试验证修改效果
5. 更新（Update）：版本化上线，支持回滚

与现有维基概念的关联

• [[ai-junior-engineer]]：技能自进化是"AI初级工程师"的自我提升机制，减少人工指导负担
• [[context-engineering]]：通过自动化观察和修正来管理上下文，是高级上下文工程实践
• [[大模型作为论证机器]]：影子评估用数据而非模型"论证"来验证修正有效性
• [[verification-and-rework-cost]]：通过系统化验证降低技能失效带来的隐性维护成本

未来展望

当所有技能都能自进化，Agent将真正摆脱"人工喂养"。代码审查Agent可自动适应代码风格变更，客户支持Agent可根据反馈自动优化triage技能，跨团队技能市场可像npm一样被订阅和进化。