Files

T

cfdaily 5b73319aaf [moz] docs(§19): fix M1 JSON 配置块 delivery.mode 同步改为 announce

司马懿 M1：3 处 JSON 配置块 delivery.mode 仍为 none，与设计要点文字不一致。
同步修正为 announce。

2026-06-19 09:48:52 +08:00

40 KiB

Raw Blame History

§19 Skill 生命周期管理 + 经验闭环四阶段设计

作者：庞统士元日期：2026-06-18（v2.0）状态：方案待确认前置：§14 Task 五层架构、§16 知识注入四层体系

变更摘要（v2.0）

变更项	原设计	新设计	理由
蒸馏频率	庞统每天一次	双层 daily：各 agent 03:00 自蒸馏 + 庞统 05:00 整合	agent 是自己经验的最佳蒸馏者；庞统负责跨 agent 整合
蒸馏者	庞统一人	双层：L1 各 agent + L2 庞统	消除蒸馏者偏差；经验是 per-agent 的
.learnings/	DISCOVER 数据源之一	废弃。JSONL 是唯一数据源	信息冗余；agent 执行中不应分心写 .learnings/
三重验证	跨任务复现 + 生成力 + 排他性	Recurrence-Count 机制（融合 self-improvement skill）	≥3 次自动触发提升，比主观判断更客观
Skill 数量	未明确	一个 skill：skill-management + references/ 四阶段	减少上下文开销；DISCOVER/IMPROVE 是 cron 场景不需要独立 skill description
self-improvement skill	未提及	废弃。优势融合到 DISCOVER 输出格式	职责重叠；统一为单一闭环
Skill 存放	未区分	per-agent 目录 + 公共目录	agent 专属经验不污染其他 agent 上下文

1. 背景

moziplus v2.0 的 P4 剩余两项：

T7 C3：Skill 生命周期管理（draft → active → deprecated）
T7 C5：经验闭环 IMPROVE 阶段（DISCOVER → DISTILL → APPLY → IMPROVE 中的最后一步）

当前实现状态

组件	状态	问题
`SkillRegistry`（skill_system.py）	死代码	只有 register/match 方法，从未被外部调用
`SkillExecutor`（skill_system.py）	死代码	从未被外部调用
`ExperienceDistiller`（experience.py）	空转	ticker 调用时没传 review_result 和 outputs，蒸馏函数收到 None 直接返回空
`ExperienceStore`（experience.py）	空转	experiences 目录全部为空
`experiences` 表（db.py）	未使用	代码用 jsonl 文件不用 DB 表
Skill 生命周期	缺失	只有 enabled bool，无 draft/active/deprecated 状态流转

结论：现有的 experience.py 和 skill_system.py 需要重新设计，不是修补能解决的。

实际运行的知识体系

实际的 Skill 发现和加载走的是 openclaw 原生 skill 机制：

openclaw 扫描 skills 目录 → 生成 <available_skills> 列表注入 system prompt
Agent 按 description 匹配 → read SKILL.md → 按内容执行
moziplus 的 SkillRegistry/SkillExecutor 完全不参与

因此本设计不重建 moziplus 的 skill 引擎，而是基于 openclaw 原生机制构建。

2. 设计目标

经验从「发现→蒸馏→应用→改善」形成完整闭环
Skill 有明确的生命周期管理（draft → active → deprecated）
产物统一为 Skill，不再有 experiences.jsonl / .learnings/ 等中间形态散落各处
追踪 Skill 引用情况，支撑淘汰决策
充分利用 openclaw 已有的 skill_workshop 工具和 skill 加载机制
每个 agent 是自己经验的最佳蒸馏者——经验 per-agent，精益求精

3. 核心设计决策

#	决策	理由	参考
D1	统一产物：Skill-only	不再有中间形态散落各处。Hermes 只有 Skill + Memory 两种载体，没有第三种	Hermes skill_manage + memory_tool
D2	生命周期通过 skill_workshop 管理	OpenClaw 已有 pending → applied → rejected → quarantined 生命周期	OpenClaw skill_workshop 工具
D3	蒸馏频率：双层 daily	L1 各 agent 每天 03:00 自蒸馏；L2 庞统每天 05:00 整合。有距离感的蒸馏优于即时记录	self-improvement skill daily review；主公确认
D4	蒸馏者：双层（各 agent + 庞统）	L1 每个 agent 蒸馏自己的经验（自己最准）；L2 庞统负责跨 agent 共性识别 + draft 审查	Hermes skill_manage：「每个将军都应建立自己的 Skill 库」
D5	二级蒸馏抽象为根因模式	不固化在特定技术细节。description 描述「问题模式」而非「技术症状」	Superpowers writing-skills：description = when not how
D6	废弃 .learnings/ 作为数据源	JSONL 已包含完整信息（工具调用、推理过程、错误输出）。.learnings/ 只是重复抄写，且打断 agent 执行流	DISCOVER 统一采集；主公确认
D7	只创建一个 skill：skill-management	四阶段的详细操作放到 references/ 目录。DISCOVER/IMPROVE 是 cron 场景不需要独立 skill description 常驻上下文	moziplus skill-engineering practices §4：组合模式

4. L4 知识层：Skill Workshop

在现有 L0-L3 四层知识体系上新增 L4：

层级	名称	内容	加载方式	已有
L0	注入式上下文	MEMORY.md / TOOLS.md	每次 session 启动	✅
L1	确定性规则	SOUL.md / AGENTS.md	每次 session 启动	✅
L2	任务上下文	BootstrapBuilder PromptSection	按 task_type 注入	✅
L3	按需 Skill	openclaw skills	description 匹配 → agent read	✅
L4	Skill 生命周期	skill_workshop	draft → active → deprecated 管理	新增

L4 不是一个 prompt 层，而是 Skill 的管理层——负责 Skill 的创建、验证、应用、追踪、淘汰。

5. DISCOVER 阶段（双层）

5.1 L1 各 agent 自蒸馏（每天 03:00）

每个 agent 的 cron 扫描自己当天的 session JSONL，识别信号，蒸馏为 draft proposal。

数据源（1 个）：

数据源	位置	包含什么
自己的 Session JSONL	~/.openclaw/agents/<agent_id>/sessions/*.jsonl	当天完整思考过程、工具调用、错误恢复、用户对话

不需要扫描黑板/Gitea/Mail 等——那是 L2 庞统的职责。L1 聚焦自己的经验。

信号识别（5 类高价值信号）：

信号类型	从哪发现	识别特征
失败模式	task failed、CI failed、review rejected	有明确的失败原因
重复问题	跨多个任务出现同类问题	同关键词出现 ≥2 次
决策转折	rebuttal comment、需求澄清、主公纠正	原方向被推翻或修正
新实践	设计文档新增、wiki-vault 新页面	之前没有的知识
知识缺口	agent 表达不确定、查不到的东西	查不到/不确定的东西

输出：draft skill proposal（提交到 skill_workshop，pending 状态）

5.2 L2 庞统整合（每天 05:00）

庞统的 cron 在 L1 全部完成后执行，扫描全量数据源 + 审查所有 L1 draft proposal。

数据源（全量）：

数据源	位置	包含什么
黑板 tasks	各项目 blackboard.db	任务生命周期：创建、分配、执行、完成/失败
黑板 reviews	reviews 表	审查结论 + 逐步骤 verdict + suggestions
黑板 comments	comments 表	@mention 讨论、rebuttal 推理、action_report
黑板 outputs	outputs 表	任务产出物内容
黑板 events	events 表	状态变更、guardrail 拦截、异常检测
Gitea Issues/PRs	Gitea API	问题报告、diff、review 评论
Gitea CI	Gitea Actions	lint/test/build 成功/失败
Mail	mail API	跨 agent 通信、讨论推理过程
所有 agent 的 Session JSONL	~/.openclaw/agents/*/sessions/	全团队完整思考过程
MEMORY.md	各 agent workspace	长期记忆、已有经验教训
knowledge-gaps.md	wiki-vault/_meta/	知识缺口
L1 draft proposals	skill_workshop pending	各 agent 当天提交的 draft

核心职责：

a. 跨 agent 共性模式识别：张飞和关羽都在类似场景踩坑 → 合并为共享 Skill b. 审查 L1 draft proposals：

APPROVE：质量达标的个人经验 → 变 active（仅作者 agent 可见）
MERGE：跨 agent 共性 → 合并为共享 Skill（所有 agent 可见）
REJECT：质量不够（附原因，agent 看到反馈后改进） c. 全局提升：高确定性/高频率经验 → 提升到 AGENTS.md 规则（所有 agent 强制注入）

5.3 去重

同一事件在多个数据源出现（CI 失败 → toolchain task → mail → comment 讨论），按时间窗口 + 关键词去重，保留信息量最大的那条。

跨 agent 的同一模式，按 Pattern-Key 去重，合并为共享信号。

5.4 输出格式（融合 self-improvement skill 结构化字段）

每条候选信号包含：

信号类型 | 来源（task_id / PR / review / session）| 时间 | 简述（≤100 字）
ID: SIG-YYYYMMDD-XXX
Priority: low | medium | high | critical
Status: pending | in_progress | resolved | promoted
See Also: SIG-YYYYMMDD-XXX（关联信号）
Recurrence-Count: N（同一模式出现次数）
Pattern-Key: category.subcategory（稳定去重键，如 sync.field_mapping）

字段说明（汲取自 self-improvement skill）：

字段	用途	借鉴来源
ID	唯一标识，便于交叉引用	self-improvement logging format
Priority	优先级排序，critical/high 优先处理	self-improvement priority guidelines
Status	生命周期跟踪	self-improvement status lifecycle
See Also	关联相似信号，发现共性模式	self-improvement recurring pattern detection
Recurrence-Count	同一模式出现次数，≥3 触发自动提升	self-improvement recurring pattern + Skill Extraction Criteria
Pattern-Key	稳定去重键，跨 agent 匹配同一模式	self-improvement Pattern-Key

6. DISTILL 阶段

6.1 核心原则：HOW not WHAT

蒸馏的是「怎么做」不是「发生了什么」（nuwa-skill 实践 #5）：

❌ "PR #83 修复了 event_type 未知的问题"
    → 这是 WHAT，无法复用

✅ "数据消费者与数据生产者解耦时，新增字段必须同步所有生产者的提取逻辑"
    → 这是 HOW，可复用到任何消费者/生产者场景

6.2 蒸馏产物 = Skill

直接产出 SKILL.md 格式或对现有 Skill 的 patch，提交到 skill_workshop。

SKILL.md 编写规范（参考 Superpowers writing-skills）：

---
name: skill-name
description: Use when [触发条件/问题模式描述]，不描述工作流
---

# Skill 标题

## 什么时候用
（具体的触发场景，按问题模式描述，不按技术特定症状）

## 怎么做
（根因分析 + 操作步骤）

## 常见错误
（反模式：什么不该做）

## 来源
（evidence：哪些 task/PR/review 提炼了这条经验）

description 关键规则（Superpowers 的核心发现）：

只描述触发条件（when to use），绝不描述工作流（how）
以「Use when...」开头
描述问题模式，不描述技术特定症状
原因：测试发现 description 如果总结了工作流，agent 会按 description 执行而跳过读完整 SKILL.md

6.3 蒸馏示例

一级蒸馏（从具体案例提取）：

# 案例 1：PromptContext event_type 未知
# 案例 2：PromptContext from_agent/mail_type 缺失（PR #26 D2）
→ 共同根因：消费者/生产者字段同步问题

# 蒸馏为 Skill section（加到 trial-and-error-patterns）：
## 消费者/生产者字段同步

**什么时候用**：修改 dataclass 时，如果该 dataclass 由外部 JSON 提取填充

**怎么做**：
1. 改 dataclass 定义
2. 检查所有从 JSON 提取字段的代码路径，同步新增提取逻辑
3. 检查所有构造该 dataclass 的调用点，同步新增参数
4. 跑一次构建测试验证字段不为空

**常见错误**：只改 dataclass 不改提取逻辑 → 字段默认值为空 → 运行时不报错但行为异常

二级蒸馏（从多个一级经验提取通用模式）：

如果「消费者/生产者字段同步」经验在 ≥2 个不同场景复现（PromptContext + 其他），验证通过后，可以提升为独立 Skill 或固化到 AGENTS.md 规则。

6.4 验证机制（融合 self-improvement Recurrence-Count + Skill Extraction Criteria）

从 draft → active 的验证标准：

验证维度	标准	不通过的处理
Recurrence-Count ≥ 2	同一 Pattern-Key 在 ≥2 个不同场景出现过	降级为 MEMORY.md 临时记录
有生成力	能给出具体的操作指引	丢弃
有排他性	不是「代码要测试」的常识	丢弃

提升触发条件（从 draft 提升为 active Skill，融合 self-improvement Skill Extraction Criteria）：

全部满足时触发提升：

Recurrence-Count ≥ 3（同一模式 30 天内出现 3 次以上）
跨 ≥2 个不同任务验证

时间窗口：Recurrence-Count 以 30 天为窗口，超过 30 天的记录不计入。6 个月内 3 次 vs 1 周内 3 次信号强度不同，30 天窗口确保经验仍然新鲜。

Skill Extraction 质量 Gate（汲取自 self-improvement skill）：

标准	描述
Recurring	有 See Also 链接到 2+ 个相似信号
Verified	Status 是 resolved 且有工作修复
Non-obvious	需要实际调试才能发现（不是常识）
Broadly applicable	不是项目特定，可跨场景复用

6.5 质量检查自动化

参考 nuwa-skill quality_check.py，对蒸馏产出做结构化检查：

检查项	标准
trigger 是否具体	不是「注意代码质量」这种泛泛而谈
action 是否可执行	不是「要小心」这种无操作指引
是否与已有 Skill 重复	检查现有 skills 目录中是否已有覆盖
description 是否只含触发条件	不包含工作流描述

6.6 矛盾处理（nuwa-skill 实践 #10）

新经验与已有经验冲突时：

时间性矛盾（观点演化）→ 记录演化轨迹，以近期为主
领域性矛盾（不同场景不同规则）→ 分场景记录
本质性张力（价值观内在冲突）→ 标注为「核心张力」，两个版本都保留

矛盾是特征，不是 Bug。 强制调和会丢失关键信号。

6.7 蒸馏者（双层）

L1：每个 agent 自己（每天 03:00 cron，各 agent 错开 15 分钟避免资源争用：03:00, 03:15, 03:30, ...）

扫描自己的 session JSONL
用判断力提取根因模式（不是机械提取）
按 SKILL.md 格式产出
提交到 skill_workshop（pending proposal）

L2：庞统（每天 05:00 cron）

审查所有 agent 提交的 draft proposal（approve / merge / reject）
跨 agent 共性模式识别和合并
高频/高确定性经验提升到 AGENTS.md 规则

未来考虑半自动化（LLM 辅助草案 + agent 审阅确认）。

7. APPLY 阶段

7.1 统一走 openclaw skill 机制

不新建 ExperienceSection 或任何 moziplus 自定义注入。因为产物统一为 Skill，openclaw 已有的机制天然支持：

openclaw 扫描 skills 目录 → 生成 <available_skills> 列表
Agent 按 description 匹配 → read SKILL.md
Agent 按内容执行

7.2 Skill description 编写规范

这是 APPLY 阶段效果好坏的关键。参考 Superpowers writing-skills 的核心发现：

# ❌ BAD：描述了工作流，agent 会按 description 执行而跳过读 SKILL.md
description: Use when modifying dataclass — checks all extraction points, runs tests, verifies non-null fields

# ✅ GOOD：只描述触发条件
description: Use when modifying a dataclass that is populated from JSON extraction by another module

# ❌ BAD：太抽象
description: Use for code quality

# ✅ GOOD：描述问题模式
description: Use when a field added to a dataclass appears empty or as default value at runtime

7.3 渐进式加载

openclaw 已有的机制：

L1：<available_skills> 列表（~100 token/skill，只有 name + description）
L2：Agent read SKILL.md（完整内容）
L3：SKILL.md 内引用的 references/ 文件（按需加载）

7.4 Skill 存放位置与可见性

agent 专属经验放到 agent 自己的 workspace skills 目录，全局共享 Skill 放到公共 skills 目录。openclaw 扫描时自动合并。

Skill 位置	谁能看到	适用场景
`~/.openclaw/workspace-zhangfei/skills/`	只有张飞	编码模式、个人踩坑经验
`~/.openclaw/workspace-pangtong/skills/`	只有庞统	规划经验、方向把控
`~/.openclaw/workspace-simayi/skills/`	只有司马懿	审查技巧、挑战模式
`~/.sanguo_projects/sanguo_mozi/skills/`	所有 moziplus agent	团队共识、协作规范、通用实践

设计原则：

个人经验不污染其他 agent 上下文（张飞的编码坑不需要司马懿看到）
共性经验自动共享（庞统 MERGE 后放到公共目录）
openclaw 原生机制天然支持（扫描时合并所有 skills 目录）

8. IMPROVE 阶段

8.1 Skill 自我修补

参考 Hermes skill_manage 的设计哲学：

"If you used a skill and hit issues not covered by it, patch it immediately." "Skills that aren't maintained become liabilities."

Agent 使用 Skill 时发现问题（缺步骤、过时信息、命令变更）→ 立即通过 skill_workshop 提交 revise proposal（patch）。

这不需要定时任务，靠 agent 的主动维护。关键是在 agent 的 prompt 中注入这条规则（SOUL.md 或 AGENTS.md）。

8.2 引用追踪

设计原则：不追求精确归因，做时间维度的信号采集。

信号	采集方式	可信度
Skill 最近被 read 的时间	扫描 session JSONL 中 `"tool":"read"` + SKILL.md 路径	中
Skill 在 available_skills 中被注入	扫描 JSONL 中 available_skills 列表	中（被注入但未必被用）
Agent 在输出中提及了 skill name	grep skill name in assistant messages	高（主动提到说明确实用了）
Skill 文件最近修改时间	git log / 文件 mtime	高

采集频率：每周一次 cron，扫描过去 7 天的所有 session JSONL。

8.3 淘汰机制

决策流程：

30 天无引用信号
  → 生成淘汰候选报告（庞统审阅）
    → 确认淘汰 → skill_workshop quarantine
    → 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）也纳入追踪范围。主公可以据此决定哪些 openclaw skill 可以禁用。

8.4 经验提升路径

同一 Skill section 被频繁引用（≥5 次）且经过多次验证 → 考虑提升：

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，description 匹配
AGENTS.md 规则	确定性高，适用于所有 agent	L1 确定性注入，强制生效
guardrail	安全相关，不可违反	强制检查

8.5 反馈到 DISCOVER

IMPROVE 发现的经验缺口（「这条 Skill 不适用 XXX 场景」）→ 写入 knowledge-gaps.md → 成为下一轮 DISCOVER L2 的输入。

9. 闭环全景

DISCOVER L1（每天 03:00，各 agent cron）
  数据源：自己的 session JSONL
  信号识别：5 类高价值信号
  输出：draft skill proposal（structured，带 ID/Priority/Pattern-Key/Recurrence-Count）
  ↓
DISCOVER L2（每天 05:00，庞统 cron）
  数据源：全量 12 个数据源（含 L1 draft proposals）
  跨 agent 共性模式识别
  审查 draft proposals：approve / merge / reject
  ↓
DISTILL（L2 庞统执行）
  原则：HOW not WHAT（根因模式，不固化技术细节）
  验证：Recurrence-Count ≥ 2 + 生成力 + 排他性
  提升：Recurrence-Count ≥ 3 → 独立 Skill / AGENTS.md 规则
  质量：自动化检查 + 矛盾保留
  产物：Skill（通过 skill_workshop 管理）
  ↓
APPLY（实时，openclaw skill 机制）
  匹配：description 匹配 → agent read SKILL.md
  执行：agent 按内容执行
  自我修补：使用时发现问题 → 立即 revise proposal
  per-agent 隔离：专属 Skill 在 agent workspace，共享 Skill 在公共目录
  ↓
IMPROVE（每周 cron，庞统执行）
  追踪：scan JSONL 引用信号
  淘汰：30天无引用 → 庞统审查 → quarantine
  提升：高频引用 → 独立 Skill / AGENTS.md 规则 / guardrail
  反馈：知识缺口 → knowledge-gaps.md → 回到 DISCOVER L2

10. 与现有实现的关系

组件	处理方式
`skill_system.py`（SkillRegistry/SkillExecutor）	标记 deprecated，后续清理。死代码，实际不参与 skill 发现/加载
`experience.py`（ExperienceDistiller/ExperienceStore）	标记 deprecated，后续清理。空转代码，experiences 目录全空
`experiences` 表 / `experience_tags` 表（db.py）	保留表结构但不再写入。未来如果需要 DB 查询可以重新启用
ticker.py:336-348 经验蒸馏逻辑	移除。不再逐任务蒸馏，改为双层 daily cron
`skill_workshop` 工具	核心使用。所有 Skill 生命周期通过它管理
openclaw `<available_skills>` 机制	核心依赖。 APPLY 阶段完全基于此
self-improvement skill（`~/.openclaw/workspace/skills/self-improving-agent/`）	废弃。其优势（结构化 ID/Status/Priority/See Also/Recurrence-Count）已融合到 DISCOVER 输出格式中。原 skill 文件保留但标记 deprecated
.learnings/ 目录（各 agent workspace）	废弃。 JSONL 是唯一数据源。目录保留但不再写入新内容（历史数据保留）
SELF_IMPROVEMENT_REMINDER.md	废弃。规则已融合到 skill-management skill 中

11. 实现计划

步骤	内容	优先级	工作量
S1	在 SOUL.md / AGENTS.md 加入 Skill 自我修补规则 + 双层 daily 蒸馏规则	P0	L1（改文案）
S2	创建 skill-management Skill（主 SKILL.md + references/ 四阶段详细操作）	P0	L2
S3	创建各 agent 的 03:00 cron（自蒸馏 L1）	P1	L1
S4	创建庞统的 05:00 cron（整合 + 审查 L2）	P1	L1-L2
S5	实现 IMPROVE cron：JSONL 引用追踪 + 淘汰报告（每周）	P2	L2-L3
S6	清理 deprecated 代码（skill_system.py / experience.py / self-improvement skill / SELF_IMPROVEMENT_REMINDER.md）	P3	L1

S1 和 S2 已完成（PR #85）。S3-S5 设计见下方 §11A。

11A. Cron 配置方案（S3-S5 详细设计）

设计决策

每个 agent 用自己的 agentId 执行 L1 cron，不由庞统代理。

理由（对照设计目标 D4）:

L1 核心价值是"每个 agent 是自己经验的最佳蒸馏者"——agent 扫描自己的 JSONL，用自己的判断力识别信号
如果庞统代理，变成庞统替别人蒸馏，消除不了蒸馏者偏差（D4 要解决的正是这个问题）
openclaw cron 原生支持 agentId 参数 + sessionTarget: "isolated"，技术上无障碍

S3: L1 各 agent 自蒸馏 cron

6 个 agent，各创建一个 isolated cron，错开 15 分钟（和 discover-l1.md 时间表一致）：

Agent	agentId	cron 表达式	时区
张飞	zhangfei-dev	`0 3 * * *`	Asia/Shanghai
关羽	guanyu-dev	`15 3 * * *`	Asia/Shanghai
赵云	zhaoyun-data	`30 3 * * *`	Asia/Shanghai
司马懿	simayi-challenger	`45 3 * * *`	Asia/Shanghai
庞统	pangtong-fujunshi	`0 4 * * *`	Asia/Shanghai
姜维	jiangwei-infra	`15 4 * * *`	Asia/Shanghai

Cron 配置规范（每个 L1 cron job）：

{
  "schedule": { "kind": "cron", "expr": "<时间>", "tz": "Asia/Shanghai" },
  "sessionTarget": "isolated",
  "agentId": "<agent-id>",
  "payload": {
    "kind": "agentTurn",
    "message": "L1 自蒸馏 cron。请执行：\n1. read ~/.sanguo_projects/sanguo_mozi/skills/skill-management/SKILL.md\n2. read ~/.sanguo_projects/sanguo_mozi/skills/skill-management/references/discover-l1.md\n3. 按 discover-l1.md 步骤执行自蒸馏\n4. 如有信号：蒸馏为 HOW 格式，使用 skill_workshop(action=create) 提交 draft proposal\n5. 如无有价值信号：不产出，这是正常的",
    "timeoutSeconds": 600
  },
  "delivery": { "mode": "announce" }
}

设计要点:

sessionTarget: "isolated"：每次创建临时 session，不污染 main session context
delivery.mode: "announce"：执行结果投递到 Control UI，保持可见性（早期使用 none 导致 cron 执行后零可见性，已修正）
timeoutSeconds: 600：10 分钟足够（扫描 JSONL + 蒸馏 + 提交 proposal）
message 指引 read SKILL.md + discover-l1.md：agent 按 references 指南执行，不依赖 memory

S4: L2 庞统整合审查 cron

庞统的 L2 cron 在所有 L1 完成后执行（最后一个 agent 04:15 开始，L2 设在 05:00）：

角色	agentId	cron 表达式	时区
庞统	pangtong-fujunshi	`0 5 * * *`	Asia/Shanghai

Cron 配置:

{
  "schedule": { "kind": "cron", "expr": "0 5 * * *", "tz": "Asia/Shanghai" },
  "sessionTarget": "isolated",
  "agentId": "pangtong-fujunshi",
  "payload": {
    "kind": "agentTurn",
    "message": "L2 整合审查 cron。请执行：\n1. read ~/.sanguo_projects/sanguo_mozi/skills/skill-management/references/discover-l2.md\n2. 按 discover-l2.md 步骤执行：\n   a. skill_workshop(action=list, status=pending) 获取所有 L1 draft proposals\n   b. 全量数据源扫描，识别跨 agent 共性模式\n   c. 逐个审查 proposal：approve / merge / reject\n   d. 全局提升检查（Recurrence-Count >= 3 的经验提升为规则）\n   e. 知识缺口反馈到 knowledge-gaps.md",
    "timeoutSeconds": 1200
  },
  "delivery": { "mode": "announce" }
}

设计要点:

delivery.mode: "announce"：审查决策结果投递到 Control UI，主公可见
timeoutSeconds: 1200（20 分钟）：L2 需要扫描全量数据源 + 审查多个 proposal，时间更长
庞统可以访问所有 agent 的 JSONL 和 skill_workshop proposals

S5: IMPROVE 每周引用追踪 cron

庞统每周日 06:00 执行引用追踪（周日选活动量最低的时段）：

角色	agentId	cron 表达式	时区
庞统	pangtong-fujunshi	`0 6 * * 0`	Asia/Shanghai

Cron 配置:

{
  "schedule": { "kind": "cron", "expr": "0 6 * * 0", "tz": "Asia/Shanghai" },
  "sessionTarget": "isolated",
  "agentId": "pangtong-fujunshi",
  "payload": {
    "kind": "agentTurn",
    "message": "IMPROVE 每周引用追踪 cron。请执行：\n1. read ~/.sanguo_projects/sanguo_mozi/skills/skill-management/references/improve.md\n2. 按 improve.md 步骤执行：\n   a. 扫描过去 7 天所有 agent 的 session JSONL，采集 Skill 引用信号\n   b. 生成淘汰候选报告（30 天无引用的 Skill）\n   c. 庞统审阅决策：quarantine / 保留观察 / 更新后保留\n   d. 经验提升检查（被频繁引用 >= 5 次的 Skill）\n   e. 反馈知识缺口到 knowledge-gaps.md",
    "timeoutSeconds": 1800
  },
  "delivery": { "mode": "announce" }
}

设计要点:

delivery.mode: "announce"：淘汰/提升报告投递到 Control UI
timeoutSeconds: 1800（30 分钟）：全量 JSONL 扫描是最重的操作
每周一次频率足够——Skill 引用变化不会很快
淘汰决策通过 skill_workshop quarantine 执行，提升决策通过手动编辑 AGENTS.md

Cron 创建方式

使用 openclaw cron 工具创建。不是 moziplus 管理，而是直接在 openclaw 层面配置。

创建顺序：先 S3（L1），再 S4（L2），最后 S5（IMPROVE）。

创建后验证：cron(action=list) 确认所有 job 存在且 enabled=true。

去重和幂等

每个 cron job 的 name 包含 agent 名，避免命名冲突：

l1-distill-zhangfei
l1-distill-guanyu
l1-distill-zhaoyun
l1-distill-simayi
l1-distill-pangtong
l1-distill-jiangwei
l2-review-pangtong
improve-weekly-pangtong

创建前先 cron(action=list) 检查同名 job 是否已存在，避免重复创建。

11B. 一致性偏差修复清单（S6 补充）

§19 设计-实现一致性检查（2026-06-18）发现以下偏差，列入 S6 一并修复：

#	偏差	严重度	修复方式
B4	ticker.py:336-348 ExperienceDistiller 调用未移除	中	移除 experience_distiller 参数和调用，日志改为 debug 级空转提示
B5	skill_system.py / experience.py 未标记 deprecated	低	文件头部加 `# DEPRECATED — §19 重设计，不再参与 skill 发现/加载` 注释
B6	SELF_IMPROVEMENT_REMINDER.md 引用残留	低	AGENTS.md 中已标注废弃，但 system prompt 仍注入。从 workspace 文件列表中移除该文件

B4 修复细节：

ticker.py 构造函数 __init__ 接受 experience_distiller 参数（默认 None），tick() 中第 336-348 行有条件调用。修复方式：

保留参数（向后兼容），但条件块内加 logger.debug("ExperienceDistiller deprecated per §19, skipping") 后直接 return
不删除代码（P3 级清理时再做物理删除）

B6 修复细节：

当前 Project Context 中注入了 SELF_IMPROVEMENT_REMINDER.md 的内容。该文件在 workspace-pangtong 中已不存在（被删），但 system prompt 模板仍引用它。修复方式：确认文件不存在即可——openclaw 会跳过不存在的注入文件。实际已无影响，标注为 resolved。

12. wiki-vault / 知识库参考实践映射

设计决策	参考来源	核心借鉴
统一产物 Skill-only	Hermes skill_manage + memory_tool	只有 Skill 和 Memory 两种载体
HOW not WHAT	nuwa-skill 实践 #5	蒸馏思维方式不是知识内容
description = when not how	Superpowers writing-skills	description 只描述触发条件
质量检查自动化	nuwa-skill quality_check.py	结构化检查代替主观判断
矛盾处理	nuwa-skill 实践 #10	矛盾是特征不是 Bug
Skill 自我修补	Hermes skill_manage schema	使用时发现问题立即 patch
闭环学习循环	知识管理体系实践 #1	DISCOVER→DISTILL→APPLY→IMPROVE
Experience→Skill 延迟转化	moziplus 经验实践 #2	多次验证后才固化
Skill 生命周期 draft→active→deprecated	OpenClaw skill_workshop	pending→applied→rejected→quarantined
棘轮机制	moziplus 经验实践 #2	经验只能改进不能退化
优雅降级	nuwa-skill 实践 #17	信息不足时不要强行蒸馏
迭代上限	nuwa-skill 实践 #18	最多 2 轮验证，不无限打磨
双层 daily 蒸馏	self-improvement skill daily review	有距离感的蒸馏优于即时记录
结构化信号格式	self-improvement skill logging format	ID/Status/Priority/See Also/Recurrence-Count
Recurrence-Count 验证	self-improvement skill recurring pattern detection	≥3 次自动触发提升，比主观判断更客观
Skill Extraction Criteria	self-improvement skill extraction	Recurring + Verified + Non-obvious + Broadly applicable
per-agent Skill 目录	Hermes skill_manage + self-improving-agent practice §5	每个 agent 建立自己的 Skill 库
废弃 .learnings/	DISCOVER 统一采集	JSONL 是唯一数据源，避免信息冗余
组合模式（主 skill + references）	moziplus skill-engineering practices §4	Skill 之间通过产出物松耦合传递

13. 部署目录结构

13.1 openclaw skill 加载优先级

OpenClaw 按 6 级优先级扫描 skill 目录，同名 skill 高优先级覆盖低优先级：

优先级	来源	路径	可见性
1 — 最高	Workspace skills	`<workspace>/skills`	只对该 agent
2	Project agent skills	`<workspace>/.agents/skills`	只对该 workspace 的 agent
3	Personal agent skills	`~/.agents/skills`	所有 agent
4	Managed / local skills	`~/.openclaw/skills`	所有 agent
5	Bundled skills	随安装包（`/opt/homebrew/.../openclaw/skills/`）	所有 agent
6 — 最低	Extra dirs + plugin skills	`skills.load.extraDirs` + `~/.openclaw/plugin-skills/`	所有 agent

13.2 skill-management Skill 目录结构

放在公共目录（~/.sanguo_projects/sanguo_mozi/skills/），所有 moziplus agent 可见：

~/.sanguo_projects/sanguo_mozi/skills/skill-management/
├── SKILL.md                    # 主 Skill：综述 + 核心原则 + 各阶段职责摘要
├── references/
│   ├── discover-l1.md          # L1 各 agent 自蒸馏详细操作（03:00 cron 读这个）
│   ├── discover-l2.md          # L2 庞统整合详细操作（05:00 cron 读这个）
│   ├── distill.md              # DISTILL 阶段详细操作（蒸馏规范 + 验证标准）
│   ├── apply.md                # APPLY 阶段说明（openclaw 原生机制，简短）
│   └── improve.md              # IMPROVE 阶段详细操作（引用追踪 + 淘汰 + 提升）
└── assets/
    ├── templates/
    │   ├── skill-template.md   # SKILL.md 标准模板
    │   └── signal-format.md    # 信号输出格式模板（ID/Priority/Pattern-Key）
    └── checklists/
        └── quality-check.md    # 质量检查清单

为什么放公共目录：所有 agent 都需要触发这个 skill（DISCOVER L1 时各 agent 按 description 匹配 → read SKILL.md → 再按需 read references/）。DISCOVER/IMPROVE 是 cron 场景，cron payload 中直接指定 read references/xxx.md 按内容执行。

为什么不拆分为独立 skill：5 个 skill = 5 条 description 常驻上下文（~500-800 token）。其中 DISCOVER 和 IMPROVE 是 cron 触发不是 agent 按描述触发，不需要常驻 description。用 references/ 按需加载更省上下文。

13.3 Cron 产出流转路径

L1 产出（各 agent 03:00）
  ↓ skill_workshop create（pending proposal）
  ↓ 存储：skill_workshop 内部管理（~/.openclaw/workspace-<agent>/.skill-workshop/）
  ↓
L2 审查（庞统 05:00）
  ↓ skill_workshop list → inspect → 决策
  ↓
  ├─ APPROVE（个人经验，质量达标）
  │   → skill_workshop apply
  │   → 写入：~/.openclaw/workspace-<agent>/skills/<skill-name>/SKILL.md
  │   → 仅该 agent 可见（workspace skill，优先级 1）
  │
  ├─ MERGE（跨 agent 共性）
  │   → 合并多个 proposal 为共享 Skill
  │   → skill_workshop apply 到庞统 workspace，然后 cp/symlink 到公共目录
  │   → 写入：~/.sanguo_projects/sanguo_mozi/skills/<skill-name>/SKILL.md
  │   → 所有 agent 可见（extra dir，优先级 6）
  │   → 清理：MERGE 后通知各 agent quarantine workspace 中的同名 draft
  │
  │   ⚠️ skill_workshop 只能写 workspace skills，不能写 extraDir。
  │   MERGE 流程的实际写入方式：庞统在 workspace apply 后，
  │   手动 cp 到公共目录（或配置 skills.load.allowSymlinkTargets 用 symlink）。
  │
  ├─ REJECT（质量不够）
  │   → skill_workshop reject（附原因）
  │   → agent 在下次 L1 蒸馏时看到反馈
  │
  └─ PROMOTE（高确定性，提升为确定性规则）
      → 手动写入 AGENTS.md / SOUL.md / TOOLS.md
      → 所有 agent 强制注入（L1 确定性规则层）

关键设计：APPROVE 写入 per-agent workspace（优先级 1，最高），MERGE 写入公共目录（优先级 6，最低）。如果同名 skill 在两边都有，workspace 版本覆盖公共版本——agent 可以有自己改进过的版本。

13.4 Per-agent Skill 目录

各 agent workspace 下的 skills 目录（目前不存在，L2 审查 APPROVE 后由 skill_workshop 自动创建）：

~/.openclaw/workspace-zhangfei/skills/    # 张飞的个人经验 Skill
~/.openclaw/workspace-guanyu/skills/       # 关羽的个人经验 Skill
~/.openclaw/workspace-zhaoyun/skills/      # 赵云的个人经验 Skill
~/.openclaw/workspace-simayi/skills/       # 司马懿的个人经验 Skill
~/.openclaw/workspace-pangtong/skills/     # 庞统的个人经验 Skill
~/.openclaw/workspace-jiangwei/skills/     # 姜维的个人经验 Skill

适用场景：

张飞的编码踩坑模式 → 只有张飞需要，不污染其他 agent 上下文
司马懿的审查技巧 → 只有司马懿需要
庞统的规划经验 → 只有庞统需要

13.5 Proposal 中间产物存储

~/.openclaw/workspace-<agent>/.skill-workshop/
├── proposals/
│   ├── <proposal-id>/
│   │   ├── PROPOSAL.md          # 草案内容
│   │   ├── metadata.json        # 状态、hash、scanner state
│   │   └── support-files/       # 附带的 references/assets
│   └── ...
├── applied/                      # 已 apply 的 proposal 归档
├── rejected/                     # 已 reject 的 proposal 归档
└── quarantined/                  # 已 quarantine 的 proposal 归档

注意：proposal 存储由 skill_workshop 内部管理，不需要手动操作。首次使用 skill_workshop 时自动创建 .skill-workshop/ 目录。庞统 L2 cron 通过 skill_workshop list（查看所有 agent 的 pending proposal）+ skill_workshop inspect（查看具体内容）+ skill_workshop apply/reject/quarantine（执行决策）完成审查。

13.6 全景目录结构

# ━━━━━━━ Skill 来源（按 openclaw 优先级） ━━━━━━━━

# P1: Per-agent workspace skills（个人经验，L2 APPROVE 后写入）
~/.openclaw/workspace-<agent>/skills/<skill-name>/SKILL.md

# P4: Managed / local skills（保留，目前为空）
~/.openclaw/skills/

# P5: Bundled skills（openclaw 自带，不动）
/opt/homebrew/lib/node_modules/openclaw/skills/

# P6: Extra dirs + plugin skills
~/.sanguo_projects/sanguo_mozi/skills/          # moziplus 团队共享 Skill
├── skill-management/                           # ← §19 核心 Skill
│   ├── SKILL.md
│   ├── references/{discover-l1, discover-l2, distill, apply, improve}.md
│   └── assets/{templates, checklists}/
├── blackboard-executor/                        # 现有
├── blackboard-reviewer/                        # 现有
├── trial-and-error-patterns/                   # 现有（经验会追加到这里）
└── ...（其他现有 skill）

~/.openclaw/plugin-skills/                      # plugin Skill（feishu 等）

# ━━━━━━━ Cron 产出流转 ━━━━━━━━

# L1（03:00 各 agent）
#   输入：~/.openclaw/agents/<agent_id>/sessions/*.jsonl
#   产出：skill_workshop create → proposal（pending）
#   存储：~/.openclaw/workspace-<agent>/.skill-workshop/proposals/

# L2（05:00 庞统）
#   输入：全量数据源 + 所有 pending proposals
#   审查：skill_workshop list → inspect → apply/merge/reject
#   产出：
#     APPROVE → ~/.openclaw/workspace-<agent>/skills/<skill-name>/（per-agent）
#     MERGE   → ~/.sanguo_projects/sanguo_mozi/skills/<skill-name>/（共享）
#     REJECT  → proposal 归档到 rejected/
#     PROMOTE → 手动写入 AGENTS.md / SOUL.md / TOOLS.md

# IMPROVE（每周 庞统）
#   输入：过去 7 天所有 agent 的 session JSONL
#   产出：淘汰候选报告 → skill_workshop quarantine

# ━━━━━━━ 废弃的目录（保留历史，不再写入） ━━━━━━━━

# .learnings/ — 不再写入
~/.openclaw/workspace-*/.learnings/

# self-improvement skill — 不再激活
~/.openclaw/workspace/skills/self-improving-agent/

# SELF_IMPROVEMENT_REMINDER.md — 废弃
# 规则已融合到 skill-management skill 中

40 KiB Raw Blame History Unescape Escape

§19 Skill 生命周期管理 + 经验闭环四阶段设计

变更摘要（v2.0）

1. 背景

当前实现状态

实际运行的知识体系

2. 设计目标

3. 核心设计决策

4. L4 知识层：Skill Workshop

5. DISCOVER 阶段（双层）

5.1 L1 各 agent 自蒸馏（每天 03:00）

5.2 L2 庞统整合（每天 05:00）

5.3 去重

5.4 输出格式（融合 self-improvement skill 结构化字段）

6. DISTILL 阶段

6.1 核心原则：HOW not WHAT

6.2 蒸馏产物 = Skill

6.3 蒸馏示例

6.4 验证机制（融合 self-improvement Recurrence-Count + Skill Extraction Criteria）

6.5 质量检查自动化

6.6 矛盾处理（nuwa-skill 实践 #10）

6.7 蒸馏者（双层）

7. APPLY 阶段

7.1 统一走 openclaw skill 机制

7.2 Skill description 编写规范

7.3 渐进式加载

7.4 Skill 存放位置与可见性

8. IMPROVE 阶段

8.1 Skill 自我修补

8.2 引用追踪

8.3 淘汰机制

8.4 经验提升路径

8.5 反馈到 DISCOVER

9. 闭环全景

10. 与现有实现的关系

11. 实现计划

11A. Cron 配置方案（S3-S5 详细设计）

设计决策

S3: L1 各 agent 自蒸馏 cron

S4: L2 庞统整合审查 cron

S5: IMPROVE 每周引用追踪 cron

Cron 创建方式

去重和幂等

11B. 一致性偏差修复清单（S6 补充）

12. wiki-vault / 知识库参考实践映射

13. 部署目录结构

13.1 openclaw skill 加载优先级

13.2 skill-management Skill 目录结构

13.3 Cron 产出流转路径

13.4 Per-agent Skill 目录

13.5 Proposal 中间产物存储

13.6 全景目录结构

40 KiB

Raw Blame History