open-ended-curriculum

open-ended-curriculum —— 开放世界无限课程

目标：把"等人工喂题"升级为"agent 自己造越来越难、且彼此不重复的挑战"， 让能力边界被无限推开——课程永不饱和。

为什么需要

• 一线大模型：等人工喂题，题做完了就停，能力封顶。
• 本技能：自己造题，且难度递增、彼此新颖，越迭代越难 → 持续逼近能力上界。

闭环（scripts/curriculum.py，真实可跑）

generate_curriculum(seed, steps)：

1. 难度递增器：每升一关，scope 与约束数都加一档（LEVEL_TEMPLATES 循环复用并叠加）， 难度 difficulty = level + 1 严格递增 → 课程无上界。
2. 新颖性闸门：novelty = 1 - max(char_jaccard(新, 历史))， 近重复（jaccard 高）即拒收 → 强制每关彼此不重复。
3. 四维打分（权重同 open-ended-goal-discovery：价值0.35 / 新颖0.30 / 可行0.25 / 对齐0.10）：
   • 价值随关卡单调上升（0.6 + 0.035*level，封顶0.95）
   • 可行：含可验证动作词即高
   • 对齐：始终围绕种子主题，不跑题
4. 返回 challenges[]（每关含 level/文本/四维分/难度）+ saturated=False。

用法

python scripts/curriculum.py --selftest
python scripts/curriculum.py --seed "实现一个排序函数" --steps 10

输出

generate_curriculum 返回：seed / steps / challenges[] / saturated（恒 False）/ max_difficulty。

设计要点

• 真能跑：curriculum.py --selftest 真实产出 10 关，断言： 产出数=steps（可任意增大，永不饱和）、难度严格递增、每关 novelty≥0.25（无近重复）、 四维分全健康、价值质量非递减。
• 不空转：难度是硬递增逻辑（level+1），不是话术；新颖性是硬闸门（jaccard 拒收）。
• 可被度量：四维分与难度均可量化，使"课程是否在持续变难"可观测。

自进化学习系统

本技能自身也遵循自进化：每次使用 record 回写成败、用户偏好，并据错误模式自动复盘改进。

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。