QUALITY PATTERN

进化闸门（Evolution Gate）¶

Maturity: L3
Complexity: high
Reliability: high
Hermes: skills
Version: v1.0.0

When to Use

Skill/prompt changes on live agents
Model or config swaps

When NOT to Use

Throwaway experiments

Skill Contract（本模式的模块声明）

版本 v1.0.0 ｜分类 conventions ｜相关 maker-checker · data-driven-optimization · skill-evolution · memory-os-pattern · state-file-pattern

进化不是「顺手改进」，是「有闸门、有评估、有回归」的工程流程。 没有闸门的进化叫折腾——改坏了不知道，改好了也不知道为什么好。

问题¶

技能/流程改了，怎么知道是变好还是变差？全靠感觉
一个任务做完了，哪些经验值得沉淀为技能？哪些该扔进错误分类？没有判定标准
每次优化都怕破坏已有能力，但回归怎么测？凭运气
「改进」积累了一大堆，哪些真正有效？没有数据支撑

G1-G5 五道闸门¶

任务进入 → G1 输入闸 → G2 运行时闸 → G3 质量闸 → G4 数据闸 → G5 进化闸 → 产出

闸门	位置	校验什么	不过怎么办
G1 输入闸	任务开始时	任务完整性、权限、参数	补齐/拒绝，不硬跑
G2 运行时闸	执行过程中	工具使用、文件操作、外部动作是否越界	拦截，降级为只读
G3 质量闸	产出时	准确性、完整性、证据	打回重做或标记降级
G4 数据闸	写记忆前	知识可验证、噪声过滤、图谱更新	只记有据可查的
G5 进化闸	任务收尾	这段经验值不值得沉淀/改进技能？	按分档处理（见下）

G5 进化闸：经验价值判定¶

任务/技能评估后产出五维加权评分（0-100）：

维度	权重	评什么
准确性	30%	结论与事实是否一致
证据可靠性	25%	依据是否可溯源、可复核
完整性	20%	是否覆盖任务全部要求
可靠性	15%	过程是否稳定、可复现
成本效率	10%	token / 时间消耗是否合理

分档规则（G5 判定）¶

分数	判定	动作
≥ 85	高价值经验	Promote → 沉淀为技能 / 更新技能并升版
55-84	有价值但有缺陷	Improve → 修问题后重评估
< 55	失败案例	归入错误分类 / Failures，提炼教训

每次评估产出固定结构：

Task          任务描述
Result        实际结果
Score         五维加权分（含各维明细）
Issues        问题清单
Root Cause    根因分析
Improvement   改进方案

实战（Evolution OS v5.2）：评估记录落盘 telemetry/evaluation.jsonl（带 weights / root_cause / improvement_plan），改进方案落盘 Improvements/{id}.md，golden dataset 六类基准（coding/research/investment/writing/automation/reasoning）作为对比锚点。

回归测试：Deploy or Rollback¶

任何优化上线前必须跑回归——用「之前的任务」验证「新版本」没有破坏已有能力：

Previous Tasks
    ↓
New Agent Version
    ↓
Compare Results（与基线对比）
    ↓
Deploy or Rollback

回归结果	判定	动作
新版本 ≥ 基线	✅ 通过	Deploy，更新基线
新版本 < 基线	❌ 回退	Rollback，记录失败原因

回归基线是资产：每次 Deploy 后把结果存为基线，下次优化对比用。基线对比失败必须给根因，不许「先上线再说」。

技能的可度量化¶

技能不是「写完了就完了」，而是可度量的对象：

指标	含义	谁更新
`usage_count`	被调用次数	每次使用后
`success_rate`	成功率	每次使用后
`average_score`	平均评估分	G5 评估后
`cost`	平均成本	每次使用后
`confidence`	置信度	G3 后
`last_update`	最后更新	每次更新

规则：高分技能 Promote（沉淀/升版）；低分技能 Review or Remove（降级/删除）。数据驱动的技能迭代闭环，见 data-driven-optimization。

落地工具：loopctl（Evolution OS）¶

子命令	对应闸门/环节
`init` / `list` / `status`	G1 输入闸（任务台账）
`advance` / `update` / `close`	生命周期推进
`review`	G3 质量闸 + G5 进化闸（五维加权评估 + 分档判定）
`regression`	回归对比（list/compare → Deploy or Rollback）
`heartbeat` / `heartbeat-q`	运行时健康（G2 运行时闸）
`evidence`	G4 数据闸（证据登记）

与既有模式的关系¶

模式	关系
`maker-checker`	G3 质量闸的验证者实现；Check FAIL 即未过闸
`data-driven-optimization`	G5 产出数据 → 技能约束迭代的数据源
`skill-evolution`	G5 Promote/Improve 的落地载体（版本化）
`memory-os-pattern`	G4 数据闸的写侧纪律（什么值得进记忆）
`state-file-pattern`	任务台账 + 基线存储的载体

反模式¶

❌ 错误做法	后果
改完不评估	不知道变好还是变差，进化=撞运气
评估只看总分不看分维度	总分还行但证据维度崩了，照样埋雷
回归不过还上线	老能力悄悄退化，用户先发现
只沉淀成功经验	失败教训同样值钱，全扔了等于白踩坑
技能指标从不回写	无法判断哪个技能该升该删