meta-agent-society-protocol

meta-agent-society-protocol（蒸馏超越型元技能）

由 model-distillation 从教师技能 agent-society-protocol 蒸馏并增强生成。 生成时间：2026-07-23 08:21:00 ｜ 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：agent-society-protocol（跨智能体社会协作工程化）, 何时使用, 工作流, 用法, 集成（超越并行）, 已知限制, 自进化学习系统（越用越好用、越用越高效）, 记忆文件
• 显性工作流步骤（4 步）：
  1. 建模（model）：定义 agent（能力集 / 负载 / 可靠性）与 task（所需能力 / stakes）。
  2. 投标分配（allocate）：按「能力匹配 × 轻负载 × 可靠性」给任务选最优 agent。
  3. 冲突仲裁（resolve_conflict）：多提案按可靠性加权投票；平票由协调者（最高可靠性）仲裁。
  4. 社会运行（run_society）：一键完成分配 + 冲突解决，落盘可审计记录。

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「agent-society-protocol」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）

• • 投标评分权重（0.6/0.25/0.15）为启发式，未做群体博弈均衡求解。
• 冲突仲裁按可靠性加权，未建模 agent 间信任动态或历史协作收益。
• 不支持跨回合的长期声誉累积（可接 continual-memory 扩展）。

---

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。