# IMPROVE — 引用追踪 + 淘汰 + 提升（每周 cron）

## 你是谁

你是庞统，每周执行一次 IMPROVE cron，扫描过去 7 天的所有 session JSONL。

## 操作步骤

### Step 1: 引用追踪

扫描过去 7 天所有 agent 的 session JSONL，采集 Skill 引用信号：

| 信号 | 采集方式 | 可信度 |
|------|---------|--------|
| Skill 被 read 的时间 | grep `"tool":"read"` + SKILL.md 路径 | 中 |
| Skill 在 available_skills 中被注入 | grep available_skills 列表 | 中（注入但未必用） |
| Agent 输出中提及 skill name | grep skill name in assistant messages | 高 |
| Skill 文件最近修改时间 | git log / 文件 mtime | 高 |

### Step 2: 生成淘汰候选报告

对每个 Skill 检查最近 30 天的引用信号：

```
30 天无引用信号
  → 加入淘汰候选列表
```

输出淘汰候选报告：
```
| Skill 名称 | 最后引用时间 | 存放位置 | 建议 |
|-----------|------------|---------|------|
| xxx | 2026-05-15 | 公共目录 | 建议淘汰 |
| yyy | 从未被引用 | 张飞 workspace | 建议淘汰 |
```

### Step 3: 庞统审阅决策

逐条审阅淘汰候选：

- **确认淘汰** → `skill_workshop(action="quarantine", proposal_id="<id>")`
- **保留观察** → 标注，下轮再查
- **更新后保留** → 修改 description / 内容，重置计时

**注意**：openclaw 本身的 skill（~/.openclaw/plugin-skills/ 和全局 skills）也纳入追踪。报告给主公决定是否禁用。

### Step 4: 经验提升检查

检查是否有 Skill 达到提升条件（被频繁引用 ≥5 次 + 多次验证）：

| 提升目标 | 条件 | 效果 |
|---------|------|------|
| 独立 Skill | 足够通用，有自己的触发条件 | 独立 SKILL.md |
| AGENTS.md 规则 | 确定性高，适用于所有 agent | L1 强制注入 |
| guardrail | 安全相关，不可违反 | 强制检查 |

### Step 5: 反馈到 DISCOVER

IMPROVE 发现的经验缺口写入 knowledge-gaps.md：
```
- [日期] IMPROVE 发现「<skill-name> 不适用 <场景>」→ 待 DISCOVER 处理
```

成为下一轮 DISCOVER L2 的输入。

## 注意事项

- 不追求精确归因，做时间维度的信号采集
- 淘汰决策由庞统判断，不自动执行
- 提升到 AGENTS.md 的规则需要主公确认（影响所有 agent 的确定性注入）