meta-recursive-capability-discovery

meta-recursive-capability-discovery（蒸馏超越型元技能）

由 model-distillation 从教师技能 recursive-capability-discovery 蒸馏并增强生成。 生成时间：2026-07-23 21:17:43 ｜ 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：recursive-capability-discovery —— 递归能力发现, 何时使用, 工作流（四步）, 命令, 判定规则, 安全边界, 与 meta-evolver / super-agent 的协同, 自进化学习系统（越用越好用、越用越高效）
• 显性工作流步骤（4 步）：
  1. 建索引（index）：把现有技能声明为 {name, provides:[能力标签]}，汇成已覆盖能力集合。
  2. 展开需求（expand）：目标任务声明 requires:[能力标签]；对每个需求，若有分解规则 decompose:{cap:[子能力]} 则可下钻。
  3. 递归发现（discover）：BFS/DFS 逐层比对"需求 vs 已覆盖"，未覆盖者若可分解则继续下钻，否则记为叶子缺口（可构建）；带深度与父链，形成发现树。
  4. 二阶自省（meta-audit）：检查发现结果是否覆盖预设的能力维度矩阵（感知/规划/执行/记忆/验证/对齐/元认知），缺失维度记为盲区缺口——即"发现器自己没想到去查的地方"。

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「recursive-capability-discovery」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）

• （教师未显式标注限制）
• 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。