self-play-coevolution

self-play-coevolution —— 自我博弈对抗进化

目标：把"单次生成"升级为"两个对抗性角色在张力下共进化"——这是真正逼近 "可证明地变强"的机制，一线大模型几乎不具备。

为什么需要

• 自我反思闭环是单视角"我哪里错了"；
• 自我博弈是两个对抗角色（提案者 vs 批判者）在零和-协作张力下互相找茬、 互相修补，会主动制造越来越难的反例，把双方能力一起推高。

区别：反思是 retroactive（事后复盘）；自我博弈是 generative（主动造难例逼对方变强）。

闭环（scripts/coevolution.py，真实可跑）

run_coevolution(problem, max_rounds)：

1. PROPOSER：根据当前要满足到的层级 level，构造满足 checks[0..level] 的候选。
2. CRITIC：在自身当前 level 的检查套件下评估，返回 (score, flaws)。
3. 共进化：proposer 一旦满足当前关，critic 就升级自己的检查套件到 level+1 （critic 自身进化，制造更难的下一关）——逼 proposer 也变强。
4. 循环直到 proposer 通过最高关或达 max_rounds。
5. 回归检测：若某轮故意回退已满足属性，critic 必须抓回（selftest 注入验证）。

用法

python scripts/coevolution.py --selftest
python scripts/coevolution.py --problem "生成满足规范的密钥策略" --max-rounds 12

输出

run_coevolution 返回：problem / 每轮 rounds[](level,candidate,score,flaws) / critic_level / final_level / final_score / converged / critic_escalations / regression_caught。

设计要点

• 真能跑：coevolution.py --selftest 真实跑通 proposer/critic 共进化， 断言：收敛到最高关、critic 逐级升级、最终得分接近满分、注入的回归被抓回、无回归轮次得分非递减。
• 共进化可观测：critic_escalations 量化 critic 自身变强了多少次。
• 不空转：critic 升级是硬逻辑（过一关才升级），不是话术。

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。