meta-constitutional-self-alignment

meta-constitutional-self-alignment（蒸馏超越型元技能）

由 model-distillation 从教师技能 constitutional-self-alignment 蒸馏并增强生成。 生成时间：2026-07-23 21:29:49 ｜ 蒸馏机制：跨模型蒸馏（见 meta-evolver 北极星策略）

来源能力签名（教师）

• 标题层级：constitutional-self-alignment —— 宪法式自我对齐, 何时使用, 宪法结构, 工作流（critique → revise 闭环）, 命令, 判定规则, 安全边界, 与 meta-evolver / super-agent 的协同
• 显性工作流步骤（4 步）：
  1. critique：逐条原则检查文本——forbid_patterns 命中即违宪；require_patterns 在
  2. revise：按严重级顺序自动修订——forbid 命中片段删除或替换为 replace_with；
  3. loop：修订后重新 critique，直到 0 违宪或达 max_iters（默认 5）。
  4. audit：输出对齐分 alignment=1-加权违宪率、每轮修订动作、最终判决 ALIGNED/UNALIGNED。

增强点（超越教师）

1. 可靠自验证：每步产出后用 reason-verify 做命题一致性/事实锚定校验，reliability<0.8 即回退重做。
2. 自我反思闭环：执行后写入 self-reflection-loop，沉淀失败模式到 learner。
3. 整合进 super-agent：作为节点接入「感知→规划→执行→自验证→反思→记忆」超级智能体闭环，可被长程任务编排。
4. 对抗验证蒸馏质量：对蒸馏出的关键决策规则做反例测试，防止只学到表面话术。
5. 持续自进化：注入 learner，纳入 meta-evolver 的 sense/plan/record 闭环，跨会话越用越强。

教师 vs 学生 对比

使用

直接调用本技能完成「constitutional-self-alignment」领域的任务；本技能在教师能力之上叠加自验证与反思，输出更可靠、可追溯。

已知限制（来自教师蒸馏 + 元进化补充）

• "trigger_patterns": ["投资", "收益"]} ]}

## 工作流（critique → revise 闭环）
1. **critique**：逐条原则检查文本——`forbid_patterns` 命中即违宪；`require_patterns` 在
   `trigger_patterns` 命中时缺失即违宪。violations 按 severity（critical>major>minor）排序。
2. **revise**：按严重级顺序自动修订——forbid 命中片段删除或替换为 `replace_with`；
   require 缺失则在文末插入 `require_insert`。
3. **loop**：修订后重新 critique，直到 0 违宪或达 `max_iters`（默认 5）。
4. **audit**：输出对齐分 `alignment=1-加权违宪率`、每轮修订动作、最终判决 ALIGNED/UNALIGNED。

## 命令
```bash
python scripts/align.py check --constitution C.json --text T.txt
python scripts/align.py selftest   # 全链路自测

判定规则

• 任一 critical 违宪未修复 → 最终判决 UNALIGNED，禁止交付。
• alignment ≥ 0.99 且 0 违宪 → ALIGNED 可交付。
• 修订轮数触顶仍有违宪 → 升级人工审核（对接 human-in-loop-review）。

安全边界

• 只读宪法/文本，仅输出修订后文本与审计轨迹；不修改宪法本身（宪法修订需人工确认）。
• 自动修订只做保守替换/删除/插入，不生成新的实质性主张。

与 meta-evolver / super-agent 的协同

• 作为「认知架构元整合(元之元·二阶)」域实体化技能 #5：与 value-alignment（价值评估）、 safety-guardrails（行为门控）、redteam-selfattack（对抗测试）构成"评估-门控-对抗-自修"对齐纵深。

---

自进化学习系统（越用越好用、越用越高效）

本技能内置通用学习模块 scripts/learner.py。每次使用后自动复盘、积累经验，逐步提升输出质量与执行效率，无需人工维护。

记忆文件

learned_patterns.json（位于本技能目录）记录：操作总数、各能力使用频次、错误模式、用户偏好、改进建议。

使用后请调用（Bash）

# 记录一次成功使用（--capability 填本次主要能力名，如「简历优化」「比价」）
python scripts/learner.py record <本技能目录> --capability 简历优化
# 记录一次失败/异常
python scripts/learner.py record <本技能目录> --capability 简历优化 --fail --error 格式识别失败 --note "用户上传了非标准文件"
# 记录用户偏好（下次直接使用）
python scripts/learner.py prefer <本技能目录> --key 输出语言 --val 中文
# 查看累计洞察（高频能力 / 反复错误）
python scripts/learner.py insight <本技能目录>
# 自动复盘（错误≥3次 或 操作≥10次 时给出改进建议）
python scripts/learner.py reflect <本技能目录>

迭代规则

• 错误累计 ≥3 次 → 主动增加预检/兜底步骤，并将经验回写本 SKILL.md。
• 操作数 ≥10 次 → 分析高频能力优先打磨示例与质量，低频能力评估精简或合并。
• 重要用户偏好 → 写入 learned_patterns.json，下次调用直接采用，减少重复询问。

越用越懂你：第一次用是通用能力，第十次用已沉淀为你专属的最佳实践。

• 蒸馏不保证覆盖教师全部隐式知识，首次使用需对照教师原技能核验关键决策。