Skill evolver

技能复用增量门

角色

本技能处理“用过以后发现值得复用的改进”。它不修坏技能，也不从零创建 Skill；缺陷修复交给 skill-modify，新能力获取交给 skill-creator。

核心问题只有一个：

这次新增的有效做法，应当沉淀到哪里，还是不沉淀？

可选落位：

落位	适用情况
upstream issue/PR	问题属于官方/厂商上游，且对所有用户都有价值
overlay patch	上游基本正确，但 Kun/Codex/Claude 兼容层需要补充
Kun-owned patch	目标 Skill 是 Kun-owned，且增量已经被真实使用证明可复用
fork	上游方向长期不适合，需要维护分叉
no-change	只是一次性经验、项目私有上下文或证据不足

Public Edition Note

公开版演化不要求 Kun 私有 registry。若没有 registry 或 upstream lock，先把目标来源标成 standalone-local、public-upstream 或 unknown，再决定增量是否应该进入当前 Skill、提交给上游 issue/PR、做 overlay，还是保持 no-change。完成证据至少包含改动前后 diff、目标 Skill 校验和一个真实或模拟 pressure scenario。

方法调用

/skill-evolver(目标技能, 使用证据, 改进意图?)

输入门禁

进入本技能前必须有证据。以下输入可以进入：

• 小实验结果：pressure scenario 明确显示现有 Skill 需要新增可复用能力。
• 真实使用复盘：一次任务跑完，发现下次同类任务还会复用的判断、资料或脚本。
• 上游更新评审：官方更新后，overlay 需要重放、调整或删除。

以下输入不进入：

• “感觉可以加点东西”但没有用例证据。
• 技能不触发、太长、资源漂移、验证失败；这些先走 skill-modify。
• 用户只是要创建新 Skill；这走 skill-creator。
• 需要 MCP、OAuth、hooks、app/widget 或插件缓存；这走 plugin-manager。

来源判断

演进前先确认目标 Skill 来源：

1. 读 kun-agent-registry/registry.yaml 和 lock.yaml。
2. 读目标 Skill 的 official-basis reference、skills-lock.json 或 overlay manifest。
3. 判断来源是 kun_owned、official_adopt、official_overlay、fork、vendor_copy 还是未知。
4. 来源未知时停止，输出 blocked: source-ownership-unknown。

不同来源的演进规则：

来源	默认动作
official_adopt	不改本地副本；先判断是否应转 official_overlay 或给上游提 issue/PR
official_overlay	只改 overlay manifest、Kun metadata、agents/openai.yaml、official-basis 或 registry 记录
kun_owned	可改 SKILL.md、references/、scripts/、assets/，但必须先写差分契约
fork	在 fork 仓库内改，并更新同步策略
vendor_copy	可改，但输出中必须声明已经不自动跟随官方

编辑面铁律：上表的"可改"都指真理源仓库 clone 内的修改。按 commit 键控的本地 cache 快照应视为只读，宿主/项目 skill 路径可能只是 symlink；穿过 symlink 就地写入会污染快照且改进丢不回真理源。完整回路 = clone 真理源 → 改 → 验证 → push → 推进 registry pin → 重建新 commit cache → 重指 symlink。公开 standalone 环境没有 registry 时，用 git diff、目标仓库 commit hash、quick_validate.py 和 audit_skill.py 代替。

决策流程

1. 写差分契约：用 references/delta-contract.md 记录来源、证据、目标行为、非目标行为、验证面和删除条件。
2. 判断是否值得沉淀：
   • 是否会在未来同类任务复用？
   • 是否有真实输入/输出或小实验证据？
   • 是否能机械验证，或至少有明确 pressure scenario？
   • 是否属于上游公共问题，而不是 Kun 私有偏好？
3. 判断落位：
   • 公共上游问题优先 upstream issue/PR。
   • 宿主兼容、触发描述、Kun governance 优先 overlay。
   • Kun-owned 流程缺口才直接 patch 目标 Skill。
   • 长期方向分叉才 fork。
   • 证据不足则 no-change。
4. 执行最小改动：
   • 先重写既有区块，再考虑新增区块。
   • 大段场景提示词进 references/。
   • 确定性检查或转换进 scripts/。
   • 不创建共享资源池，不恢复 plugin-era facade/orchestra。
5. 验证：
   • 编辑前运行 scripts/build_patch_plan.py。
   • 编辑后运行 scripts/audit_incremental_update.py。
   • 目标 Skill 再跑 skill-modify 的 quick_validate.py 和 audit_skill.py。
   • 没有真实新对话证据时，结论只能写 pending-user-pilot。
6. 若演进改变了输入 artifact、输出 artifact、handoff status、下游 Skill、边界或 proof surface，必须同步更新 Chain Position 和 registry chain metadata；不能只改正文叙述。

输出契约

演进结果：upstream-issue | overlay-patch | kun-owned-patch | fork-change | no-change | blocked
目标 Skill：<id/path/source>
证据：<真实使用 / 小实验 / 上游更新评审>
来源判断：<kun_owned | official_adopt | official_overlay | fork | vendor_copy | unknown>
差分：<新增 / 重写 / 删除 / 外移 / 不沉淀>
落位理由：<为什么在这里，而不是上游/overlay/目标正文>
改动路径：<files changed or planned>
链条影响：standalone/no-change 或 <chain_id/position/changed fields>
验证：<commands and pass/fail>
复用状态：reusable | project-local | one-off | pending-user-pilot
下一步：停止 | 交给 skill-modify | 交给 skill-overlay | 提 upstream issue/PR | 更新 registry

资源

• references/delta-contract.md：可验证能力差分契约。
• references/evolution-principles.md：演进时不可违背的最小化、证据和触发规则。
• references/convergence-evolution-decision-questions.md：判断是否值得沉淀的问题库。
• references/patch-placement-matrix.md：决定落到 SKILL.md、references/、scripts/、overlay 还是不落位。
• references/scenario-prompts.md：真实任务复盘或大体量场景提示词的资产化模板。
• references/task-process-improvement-proposal.md：把任务过程记录转成改进候选的模板。
• references/verification-gates.md：演进完成前验证门。
• references/pilot-closed-loop.md：演进后的 pressure scenario 验收模板。
• scripts/build_patch_plan.py：编辑前生成补丁计划。
• scripts/audit_incremental_update.py：编辑后审计增量质量。

本技能的 deletion-spec

• 触发删除条件：当 skill-modify 或官方工具能稳定处理“真实使用证据 → 落位判断 → upstream/overlay/Kun-owned patch → 验证”的完整闭环时，本技能可合并或删除。
• 禁用方式：从 kun-skill-toolkit/skills/ 删除本目录，并同步 kun-agent-registry 的 skill index / lock 记录。
• 卸载清单：SKILL.md、agents/openai.yaml、references/delta-contract.md、references/evolution-principles.md、references/convergence-evolution-decision-questions.md、references/patch-placement-matrix.md、references/scenario-prompts.md、references/task-process-improvement-proposal.md、references/verification-gates.md、references/pilot-closed-loop.md、scripts/build_patch_plan.py、scripts/audit_incremental_update.py。