Agent Evolver Skill

AI Agent 自進化引擎，讓 Agent 具備自學習和持續改進能力。

何時使用此技能

自動觸發條件

1. 錯誤分析場景

   • 當任務執行失敗時
   • 當需要分析錯誤原因時
   • 當需要查詢相似歷史錯誤時

2. 效能最佳化場景

   • 當用戶要求改進 Agent 效能時
   • 當需要最佳化執行策略時
   • 當需要提高成功率時

3. 學習進化場景

   • 當需要從歷史經驗學習時
   • 當需要積累知識時
   • 當需要持續改進時

使用方法

1. 分析執行結果並提取經驗

python3 scripts/evolution_cli.py analyze --result "<錯誤資訊>"
python3 scripts/evolution_cli.py analyze --result-file result.json

2. 搜尋相似歷史經驗

python3 scripts/evolution_cli.py search --query "負數平方計算錯誤"
python3 scripts/evolution_cli.py search --query "ValueError" --limit 10

3. 檢視進化統計

python3 scripts/evolution_cli.py stats
python3 scripts/evolution_cli.py stats --agent-id my_agent --json

4. 檢視進化歷史

python3 scripts/evolution_cli.py history --limit 20
python3 scripts/evolution_cli.py history --task-type code_generation

5. 執行進化週期

python3 scripts/evolution_cli.py evolve "計算 -5 的平方" --task-type calculation
小蔥技能站7w4.net發現了升級外掛。

整合示例

Python API

from evolver_core import EvolutionManager

# 初始化進化管理器
evolver = EvolutionManager(agent_id="main_agent")

# 執行任務後自動進化
def execute_with_evolution(task):
    result = execute_task(task)

    # 自動分析並學習
    evolver.run_evolution(
        task_input=task,
        task_type="general"
    )

    return result

# 搜尋歷史經驗
def find_similar_solutions(error_description):
    similar = evolver.search_similar(error_description)
    return similar

# 獲取進化統計
def get_evolution_stats():
    return evolver.get_stats()

自動觸發示例

# 主 Agent 執行任務
result = execute_task("計算 -5 的平方")

# 失敗後自動觸發進化
if result.status == "failed":
    # 自動呼叫 agent-evolver 技能
    evolver = get_skill("agent-evolver")
    evolver.analyze(result.error)

    # 搜尋相似解決方案
    similar = evolver.search_similar(result.error.message)

    # 應用建議的解決方案
    if similar:
        apply_solution(similar[0].solution)

功能特性

1. 智慧經驗提取

• 使用 LLM 自動分析錯誤原因
• 生成針對性的解決方案
• 提取關鍵詞標籤便於搜尋

2. 經驗庫持久化

• SQLite 儲存所有經驗
• 支援按型別、錯誤型別查詢
• 自動統計成功率、改進率

3. 經驗向量化

• 使用 Embedding 模型向量化經驗
• 支援語義搜尋相似經驗
• ChromaDB 向量儲存

4. 動態策略最佳化

• 根據歷史經驗最佳化策略
• 支援策略版本管理
• 自動回滾機制

5. 多工型別支援

• 程式碼生成 (code_generation)
• 資料分析 (data_analysis)
• 文件處理 (document_processing)
• 數值計算 (calculation)
• 通用任務 (general)

輸出格式

所有命令支援 --json 引數輸出 JSON 格式：

python3 scripts/evolution_cli.py stats --json

配置

環境變數

• OPENAI_API_KEY - OpenAI API 金鑰（用於 LLM 分析和向量化）
• OPENAI_API_BASE - API 基礎 URL（可選，用於自定義端點）
• EVOLVER_DB_PATH - 資料庫路徑（預設：~/.evolver/evolution.db）

配置檔案

配置檔案位於 config/evolver_config.yaml：

llm:
  model: gpt-3.5-turbo
  temperature: 0.7

vector:
  model: text-embedding-3-small
  enabled: true

storage:
  db_path: ~/.evolver/evolution.db
  vector_path: ~/.evolver/chroma

資料模型

經驗膠囊 (ExperienceCapsule)

{
  "id": "exp_20260224_001",
  "task_type": "code_generation",
  "status": "failed",
  "error_type": "ValueError",
  "error_message": "不支援負數輸入",
  "solution": "使用絕對值處理負數",
  "keywords": ["負數", "平方計算", "ValueError"]
}

示例場景

場景 1：任務失敗分析

使用者: "這個任務總是失敗，幫我分析一下"
Agent: 我來使用 agent-evolver 技能分析錯誤...
       [呼叫] python3 scripts/evolution_cli.py analyze --result "ValueError: 不支援負數輸入"
       [結果] 發現類似歷史錯誤 3 次
              建議解決方案：使用絕對值處理負數

場景 2：效能最佳化

使用者: "幫我最佳化一下 Agent 的效能"
Agent: 我來分析 Agent 的進化統計...
       [呼叫] python3 scripts/evolution_cli.py stats
       [結果] 成功率：85%，改進率：15%
              常見錯誤：ValueError (5次), TypeError (3次)
              建議：優先處理 ValueError 型別錯誤

場景 3：經驗搜尋

使用者: "之前遇到過類似的負數計算問題嗎？"
Agent: 我來搜尋歷史經驗...
       [呼叫] python3 scripts/evolution_cli.py search --query "負數計算"
       [結果] 找到 2 條相似經驗：
              1. 使用絕對值處理負數 (相似度: 95%)
              2. 新增負數檢查邏輯 (相似度: 87%)

技能發現機制

當此技能安裝後，主 Agent 會自動：

1. 識別關鍵詞觸發（進化、最佳化、學習、改進等）
2. 在任務失敗時自動呼叫分析
3. 定期檢查進化統計
4. 主動推薦最佳化建議

依賴

• Python 3.8+
• OpenAI API（可選，用於 LLM 分析）
• ChromaDB（可選，用於向量搜尋）

注意事項

1. 首次使用需要設定 OPENAI_API_KEY 環境變數
2. 經驗庫儲存在 ~/.evolver/ 目錄
3. 向量搜尋需要安裝 chromadb
4. 無 API 金鑰時使用後備分析方案

這個 Skill 質量不錯，能幫助 AI 從錯誤中學習並改進表現。優點是功能完整、使用方便、文件清晰，缺點是需要聯網呼叫外部服務，斷了網某些功能就用不了。適合對 AI 有進階需求的使用者使用。