怎么让 skill 自进化

张昊阳把 Evolver 描述为把 Ralph Loop 和 self-evolving 用 agent Skill 的方式封装起来，让 agent 在循环里不断改进自身，并把总结出的经验变成可上传、供其他 agent 参考的 Capsule⁠1,2。他说的 Gene 加 Capsule 相当于“解题思路加参考答案”，并强调是参考答案而非固定流程，好让新环境里的 AI 自己判断要不要调参数⁠2。立正在另一处把同类机制讲得更直白：记忆加上 skills 会形成自我进化，今天学到的 skill 明天还在，不会就自己写一个⁠3。所以自进化不是模型权重变了，而是外部的说明和记忆在累积。

立正的建议是“告诉 AI 什么是好的，什么是容易犯的错误，然后少教 AI 做事儿”，并主张把积累放在模型和 harness 之上，这样换工具时经验还能用⁠4。他转述屠龙老师的提醒：好 skill 不能只写“总结要深入”这类空话，要写清什么叫成了、什么叫越界、什么失败模式真实发生过⁠5。他自己的视频 skill 也是把喜好和完成标准写进去，再把“这句别删”“封面字再大一点”这类反馈留下来给下一条用⁠6。这些做法共同指向：skill 要写成可检验的标准，反馈才有地方落。

如果你已经在用 agent 做某件重复的事，可以先挑一次真实返工：把当时“哪里算做好了、哪里越界了”写进 skill，而不是加更多步骤⁠5,4。然后看下一次同类任务是否还需要你口头纠正同一处；如果还要，说明那条标准写得不够具体。张昊阳提到他的 agent 曾根据一句“你要主动”自行造出新 skill，这属于个案，不能当作稳定可复现的效果⁠1。这是 AI 基于上述材料给出的应用建议。