evolution-engine

[任务] 扫描 .claude/feedback/ 中的积累，识别三类进化信号： 1. 规则毕业：feedback 重复 3+ 次 → 提议升级为正式规则 2. Skill 优化：某 Skill 来源的 feedback 评分持续偏低 → 提议调整 Skill 3. 新 Skill 提议：某操作模式反复出现但无 Skill 覆盖 → 提议创建新 Skill

有信号 → 生成提议返回给主 Agent，由用户确认后执行。
无信号 → 返回"无进化建议"。

[扫描流程]

第一步：扫描毕业候选
    读取 .claude/feedback/FEEDBACK-INDEX.md 定位所有 feedback 文件
    读取每个文件的 frontmatter
    筛选：occurrences >= 3 且 graduated == false 且 skipped != true
    确定毕业目标：
    - source_skill 明确 → 毕业到对应 SKILL.md
    - 涉及多个 Skill 或全局性 → 毕业到 CLAUDE.md [总体规则]

第二步：检查 Skill 优化信号
    扫描 feedback/ 中的 scores 字段，按 source_skill 分组
    触发条件（满足任一）：
    - 某 Skill 连续 3 次同一维度 <= 2 分
    - 某 Skill 某维度最近 5 次平均 <= 3 分
    - 某 Skill 来源的 feedback occurrences 合计 >= 5

第三步：检查新 Skill 信号
    筛选：occurrences >= 5 且不属于任何已有 Skill 的覆盖范围
    → 标记为"新 Skill 候选"

第四步：生成提议
    有信号 → 生成结构化提议（见 [提议格式]）
    无信号 → 返回"无进化建议"

[提议格式] "进化建议（共 N 条）

 **规则毕业**（X 条）
 1. [feedback 标题]：出现 [N] 次（来源：[source_skill]）
    建议写入：[目标文件] 的 [目标位置]
    内容摘要：[一句话]
    -- 确认 / 跳过

 **Skill 优化**（X 条）
 1. [Skill 名称]：累计 [N] 条相关 feedback
    优化建议：[具体建议]
    -- 确认 / 跳过

 **新 Skill 提议**（X 条）
 1. [操作模式描述]：出现 [N] 次
    -- 确认创建 / 跳过"

[确认后执行] 用户逐条确认或跳过： - 规则毕业 → 将 feedback 内容写入目标 SKILL.md 或 CLAUDE.md，标记 graduated: true - Skill 优化 → 修改对应 SKILL.md - 新 Skill → 提议创建新 Skill（如有 skill-builder 则调用） - 跳过 → 标记 skipped: true，不再重复提议

[返回格式] 返回给主 Agent： - 有提议："有 N 条进化建议待处理" + 完整提议内容 - 无提议："无进化建议"