Self-Evolving Skill

# Self-Evolving Skill

元认知自学习系统 - 基于预测编码和价值驱动的Skill自动演化。

## 功能

- **ResidualPyramid金字塔分解，量化认知缺口
-**: 残差 **自适应反思触发**: 基于残差能量自动判断何时需要学习
- **经验回放**: 缓存已学模式，降低重复触发
- **价值门控**: 只有提升长期价值才接受变异
- **持久化**: 经验自动保存/加载

## 安装

```bash
# 技能已安装到 ~/.openclaw/skills/self-evolving-skill
# 或使用ClawHub
clawhub install self-evolving-skill
```

## 架构

```
self-evolving-skill/
├── core/                      # Python核心
│   ├── residual_pyramid.py     # 残差金字塔（SVD分解）
│   ├── reflection_trigger.py  # 自适应触发器
│   ├── experience_replay.py   # 经验回放缓存
│   ├── skill_engine.py        # 核心引擎+ValueGate
│   ├── storage.py             # 持久化
│   └── mcp_server.py          # MCP服务器
├── src/                       # TypeScript SDK
│   ├── index.ts               # 主入口
│   ├── cli.ts                 # CLI
│   └── mcp-tools.ts           # 工具定义
├── skills/                    # OpenClaw Skill
│   └── self-evolving-skill/    # 技能封装
├── MCP_CONFIG.md              # MCP配置
└── README.md                   # 文档
```

## MCP工具

| 工具 | 描述 | 参数 |
|------|------|------|
| `skill_create` | 创建Skill | `name`, `description` |
| `skill_execute` | 执行并学习 | `skill_id`, `context`, `success`, `value` |
| `skill_analyze` | 分析嵌入 | `embedding` |
| `skill_list` | 列出Skills | - |
| `skill_stats` | 系统统计 | - |
| `skill_save` | 持久化保存 | `skill_id` |
| `skill_load` | 加载 | `skill_id` |

## 使用方式

### CLI

```bash
# 列出所有Skill
openclaw skill self-evolving-skill list

# 创建Skill
openclaw skill self-evolving-skill create --name "MySkill"

# 执行
openclaw skill self-evolving-skill execute <id> --success

# 分析
openclaw skill self-evolving-skill analyze --embedding '[0.1,0.2,...]'

# 统计
openclaw skill self-evolving-skill stats
```

### MCP服务器

```bash
# 启动MCP服务器
cd ~/.openclaw/skills/self-evolving-skill
./run_mcp.sh

# 或使用适配器...

# Self-Evolving Skill - OpenClaw集成

## 项目结构

```
self-evolving-skill/
├── core/                    # Python核心模块
│   ├── residual_pyramid.py   # 残差金字塔分解
│   ├── reflection_trigger.py  # 自适应触发器
│   ├── experience_replay.py  # 经验回放
│   ├── skill_engine.py       # 核心引擎
│   ├── storage.py           # 持久化
│   └── mcp_server.py        # MCP服务器
├── src/                     # TypeScript封装
│   ├── index.ts            # 主入口
│   ├── cli.ts              # CLI
│   └── mcp-tools.ts        # MCP工具定义
├── skills/                 # 供OpenClaw调用
│   └── self-evolving-skill/  # OpenClaw Skill
├── SKILL.md                # 技能文档
├── package.json
└── README.md
```

## 安装到OpenClaw

```bash
# 方式1: 链接到OpenClaw skills目录
cd skills/self-evolving-skill
npm install
npm run build

# 链接
ln -s $(pwd)/skills/self-evolving-skill ~/.openclaw/skills/self-evolving-skill

# 方式2: 通过ClawHub
clawhub install self-evolving-skill
```

## OpenClaw中调用

```typescript
// 直接调用MCP工具
const result = await useTool('skill_create', {
  name: 'ProblemSolver'
});

const analysis = await useTool('skill_analyze', {
  embedding: [0.1, 0.2, 0.3, ...]
});
```

## MCP工具列表

| 工具 | 描述 | 参数 |
|------|------|------|
| `skill_create` | 创建Skill | `name`, `description` |
| `skill_execute` | 执行并学习 | `skill_id`, `context`, `success` |
| `skill_analyze` | 分析嵌入 | `embedding` |
| `skill_list` | 列出Skills | - |
| `skill_stats` | 系统统计 | - |
| `skill_save` | 持久化保存 | `skill_id` |
| `skill_load` | 加载 | `skill_id` |

## 示例

```typescript
// 1. 创建Skill
const skill = await useTool('skill_create', {
  name: 'TextAnalyzer',
  description: '文本分析自学习Skill'
});

// 2. 执行并观察学习
const result = await useTool('skill_execute', {
  skill_id: skill.skill_id,
  context: { task: 'sentiment' },
  success: true,
  value: 1.0
});

console.log('反思触发:', result.reflection_triggered);

// 3. 分析新输入
const analysis = await useTool('skill_ana...