Self-Improving Agent

Универсальный самосовершенствующийся агент, обучающийся на опыте всех скиллов. Реализует полный цикл обратной связи с многоуровневой памятью (семантическая + эпизодическая + рабочая), самокоррекцией и hooks-интеграцией.

Обзор

Многоуровневая память: Semantic (паттерны/правила) + Episodic (опыт) + Working (текущий контекст)
Самокоррекция: обнаруживает и исправляет ошибки в руководстве скиллов
Самовалидация: периодически проверяет точность скиллов
Hooks-интеграция: автозапуск на события скиллов (before_start, after_complete, on_error)
Маркеры эволюции: отслеживаемые изменения с указанием источника

Цикл самосовершенствования

Событие скилла → Извлечь опыт → Абстрагировать паттерн → Обновить

               ┌─────────────────────────────────────────────┐
               │           СИСТЕМА МНОГОУРОВНЕВОЙ ПАМЯТИ      │
               ├──────────────────┬──────────────┬───────────┤
               │  Semantic Memory │ Episodic Mem  │ Working   │
               │  (Паттерны/      │ (Опыт/        │ Memory    │
               │   Правила)       │  Случаи)      │ (Текущий) │
               │  memory/semantic │ memory/episod │ memory/w/ │
               └──────────────────┴──────────────┴───────────┘

               ┌─────────────────────────────────────────────┐
               │              ЦИКЛ ОБРАТНОЙ СВЯЗИ             │
               │  Обратная связь → Обновление уверенности →  │
               │             Адаптация паттерна               │
               └─────────────────────────────────────────────┘

Когда активируется

Автоматические триггеры (через hooks)

Событие	Триггер	Действие
`before_start`	session-logger	Логировать начало скилла
`after_complete`	create-pr (спросить), session-logger	Предложить PR с улучшениями; залогировать завершение
`on_error`	session-logger	Логировать ошибку (только лог, без рекурсии)

Структура памяти

Тип	Директория	Содержимое
Semantic	`memory/semantic/`	Абстрактные паттерны, правила, знания о предметной области
Episodic	`memory/episodic/`	Конкретный опыт, случаи, примеры результатов
Working	`memory/working/`	Текущий контекст задачи, активные переменные

Научная основа (2025)

Исследование	Ключевое открытие	Применение
SimpleMem	Эффективная пожизненная память	Система накопления паттернов
Multi-Memory Survey	Семантическая + эпизодическая память	Мировые знания + опыт
Lifelong Learning	Непрерывное обучение на потоке задач	Обучение с каждого использования скилла
Evo-Memory	Обучение при выполнении (test-time)	Адаптация в реальном времени

Принципы работы

Накопление паттернов: каждый выполненный скилл добавляет опыт в episodic memory
Абстракция: повторяющиеся паттерны переходят в semantic memory как правила
Самокоррекция: при обнаружении ошибочного руководства скилл обновляется
Проверка обратной связи: пользовательская обратная связь корректирует уровень уверенности
PR с улучшениями: после накопления изменений предлагается создать PR в репозиторий

Конфигурация hooks

metadata:
  hooks:
    before_start:
      - trigger: session-logger
        mode: auto
        context: "Start {skill_name}"
    after_complete:
      - trigger: create-pr
        mode: ask_first
        condition: skills_modified
      - trigger: session-logger
        mode: auto
    on_error:
      - trigger: session-logger
        mode: auto
        context: "Error in {skill_name}"

Примечание: on_error намеренно только логирует, не запускает самокоррекцию — во избежание бесконечной рекурсии.

self-improving-agentсамосовершенствующийся агент Charon Fan

Установка