self-evolve · diff
git:20260622.4046094 to git:20260622.a88b504
67 added, 52 removed. Audit C to C.
# self-evolve (SKILL)
指向任意 skill / 仓库 / 项目，在 git worktree 沙箱内多轮自动改进它，用不可 game 的
- 提交门保证"被采纳 = 真改进"。三档评测（A 可验证 / B 外部锚 / C 主观异质 judge）+
- 自举隔离，全程反自欺。
+ 提交门保证「**被采纳 = 真改进**」。
- ## 铁律（不可违背）
+ **方法论恒定，信号来源自适应。** reflect → propose → evaluate → judge → accept，全程
+ 反自欺；唯一随目标变的是「评测信号从哪来」。
- 1. **LLM 只提议，代码裁决**：采纳 / 拒绝 / 回滚 / 分档由 harness 确定性代码决定；
- 搜索 / 反思 / 评审才用 LLM，绝不让 LLM 评判自己产出。
- 2. **原始证据只读**：trace / 反思 append-only，永不被 LLM 改写（events.jsonl 是唯一真相源，
- 计数器只能经事件 delta 写入，崩溃可 replay 重建）。
- 3. **数据隔离（铁律5）**：frozen 锚真值 / holdout 测试真值对 REFLECT / PROPOSE / PATCH 不可读
- （holdout 物理隔离到 `_holdout/`，target.json 只存引用 + 计数）。
- 4. **tier 首次冻结**：A/B/C 档在首次 PROFILE 冻结，resume 不重跑。
- 5. **沙箱内全自动，落地走人审**：沙箱内 canonical 写 = auto；出沙箱写删 / push / 合主分支 /
- 对外发送 = GATED，只在人审独立子流程发生，永不在自动循环内。
+ > **能跑就跑，能核就核，都不能就生成场景让异质判官评——所以没有不能进化的目标。**
- ## 门控序列（10 态，A/B/C/self 全实现）
+ ## 统一评测框架（评测策略，不是目标等级）
+ 只要目标意图可抽取、可操作化，信号就能造出来，故不存在不可评的目标。下面三者是同一
+ `evaluate` 契约的三个 **provider**，可叠加（`A+B`、`C+B`…），按可核验强度排序，往上尽量
+ 取、取不到向下兜底——底永远存在：
+
+ | 评测策略 | 取信号的方式 | 何时用 | 强度 |
+ |---|---|---|---|
+ | **A 程序裁决** | 跑目标自带 / 可生成的测试，pass/fail | 有可执行判据（含可为其生成测试） | 最高（确定、可重放） |
+ | **B 锚核验** | 改进主张拆成可独立核验的事实锚（URL/文献/SEC/可复现命令），逐锚 verify | 「对」系于外部事实 | 高（独立源、可抽 holdout） |
+ | **C 生成评测** | harness 生成场景 + rubric，交异质判官（Claude×Codex，prompt 无真值）盲评 | 前两者都取不到 | 较低（异质 + 防合谋闸补强） |
+
+ **C 不是「兜底差等舱」，是第三种合法信号通道**：对任何目标都能生成使用场景、从意图写出
+ 可打分 rubric、让两个异质模型盲评取一致性。「取不到任何信号」在工程上不存在。纯 C 默认
+ 走人审落地，是信号最弱时把终判交回人的审慎，**不是「目标不可用」**。
+ （**落地状态**：C 的「真 coverage（场景对意图的覆盖率）」与对 A/B 的 accept 端平权由
+ scenario-eval 模块承载；当前代码对纯主观 C 仍取保守处理——`coverage=0`、权重偏低、默认
+ 人审——平权是 scenario-eval 的设计 / 落地方向。）详见
+ [`docs/philosophy.md`](docs/philosophy.md)、[`reference/signal-providers.md`](reference/signal-providers.md)。
+
+ ## Pipeline
+
```
- INIT → PROFILE(A/B/C 可叠加，变异测试二次校验) → SELECT_PARENT →
- REFLECT(N=3 并行 MARS) → CHECK_REFLECTION(BenchTrace 门) → PROPOSE →
- PATCH(import 白名单 + AST 危险门 + IMMUTABLE 硬拒 + 沙箱边界) →
- EVALUATE(A:pytest / B:锚 coverage+holdout 抽检 / C:异质 judge) →
- ACCEPT(PACE e-process + 各档门 + 自欺多闸 + 强制人审) →
- ARCHIVE(Pareto 硬维门 + lineage + rollback + Library Drift) → LOOP / STOP
- ↘ 9.5 PAUSE_FOR_HUMAN
+ ┌──────────────────── 一次迭代 ────────────────────┐
+ PROFILE ──► REFLECT ──► PROPOSE ──► PATCH ──► EVALUATE ──► JUDGE ──┐
+ (定信号源) (读历史) (出方案) (落沙箱) (取信号) (码裁决) │
+ │ accept/reject/rollback
+ └────────────────────◄── LOOP ◄────────────────────────────────┘
+ │ 命中自欺/熔断 → PAUSE(人审) → STOP
```
- - **PROFILE**：A（有测 + 基线全绿 + 变异被杀）/ B（≥24 真锚字段）/ C（主观）**可叠加**
- （如 "A+B"）；tier 首次冻结。
- - **REFLECT**：N=3 独立 MARS 反思并行 fanout（只读历史 trace），meta 汇总去重。
- - **CHECK_REFLECTION**：BenchTrace 门——每条 finding 须引用真实历史 trace 证据，杜绝臆造。
- - **PATCH**：import 白名单 + AST 危险调用门 + **IMMUTABLE 路径硬拒**（自举时）+ 沙箱
- realpath 边界（越界 → REJECT）。
- - **EVALUATE**：A 档 pytest（禁网 / 凭证隔离 / HOME 监狱）；B 档逐锚 verify + marginal_gain
- 配对 + coverage 门 + 每 K 轮 holdout 抽检；C 档异质 judge（Claude + Codex，prompt 无真值）
- + pairwise_agreement + judge↔锚校准。
- - **ACCEPT**：**PACE e-process acceptor**（confseq，缺则 ONS 回退，type-I ≤ α 已验证）；
- no-regression 硬门；B 档 n_min + 独立性下限 + evalue_max_step 三门；C 档双向 α + 纯 C
- 强制人审 + Codex 不可用禁单 Claude 自动 ACCEPT；自欺多闸（低锚增益 / holdout 背离 /
- judge-anchor 背离 / 累计漂移）；命中 → 态 9.5 强制人审。
- - **ARCHIVE**：Pareto 多维硬维门（软涨硬平不可选 parent，只冷藏）+ lineage append-only +
- 版本快照 + rollback + Library Drift retire_stale。
- - **熔断**（经事件持久的三正交计数器 + drift）：no_progress / static_reject /
- forced_review / drift_count 各达阈停机；no_progress 释放阀仅升人审频率、绝不自动降阈采纳。
+ | 步 | 做什么 | 关键约束 |
+ |---|---|---|
+ | **PROFILE** | 给目标定用什么信号评（一次冻结） | 分「信号怎么来」，不分「能不能做」 |
+ | **REFLECT** | 只读历史 trace，提炼改什么 | 每条结论须引真实 trace 证据，不许臆造 |
+ | **PROPOSE** | LLM 出候选改动 | LLM 只提议，永不读真值 |
+ | **PATCH** | 写进 git worktree 沙箱 | 越界 / 危险调用 / 改 IMMUTABLE → 拒 |
+ | **EVALUATE** | 跑出评测信号（A/B/C provider） | 真值对前面各步不可读 |
+ | **JUDGE** | 确定性代码裁决采纳与否 | 代码裁决，绝不让 LLM 评自己 |
- ## 自举隔离（`--self`，铁律3 决策码不可改）
+ 底层是 10 态门控状态机（实现真相），收敛成上面 6 个直觉动词的映射 + 熔断语义见
+ [`docs/pipeline.md`](docs/pipeline.md)；各模块方法见 [`docs/modules/`](docs/modules/)。
- candidate 改自己代码时，决策码（14 个 IMMUTABLE 文件含 acceptor / judges / verifiable /
- patch / proxy / events …）从 frozen base ref 物化、记 sha256：启动哈希 fail-closed 校验、
- patch 写 IMMUTABLE 路径硬拒、**supervisor 双进程**用 frozen 代码裁决（candidate worktree
- 永不进 sys.path）、自举评测用 frozen grader（candidate 不能自评 / 自打分）。
+ ## 铁律（不可违背）
+ 1. **LLM 提议，代码裁决**——采纳 / 拒绝 / 回滚 / 定信号源全由 harness 确定性代码决定；LLM 绝不评判自己产出。
+ 2. **原始证据只读**——trace / 反思 append-only，`events.jsonl` 唯一真相源，崩溃可 replay 重建。
+ 3. **真值隔离**——测试 / 锚 / 场景的真值对 reflect/propose/patch 物理不可读（holdout 隔离到 `_holdout/`）。
+ 4. **信号源一次冻结**——PROFILE 定的策略首轮冻结，resume 不重评。
+ 5. **沙箱内全自动，出沙箱走人审**——push / 合主分支 / 对外发送只在独立人审子流程发生。
+
+ ## 自举隔离（`--self`）
+
+ candidate 改自己代码时，14 个 IMMUTABLE 决策码（acceptor / judges / verifiable / patch /
+ events …）从 frozen base ref 物化 + sha256 启动 fail-closed 校验、patch 写 IMMUTABLE 硬拒、
+ **supervisor 双进程**用 frozen 代码裁决（candidate worktree 永不进 sys.path / 不能自评）。
+ 细节见 [`docs/modules/self-boot.md`](docs/modules/self-boot.md)。
+
## 成熟度
- 裁决 / 门控 / 反自欺 / 自举隔离 / crash-replay 全部真实可用（521 测试）。
- **生成式 LLM 接缝已接通真 agent 并 live 验证**：proposer / reflector / 两个 judge
- 走本机 `cc`（split-billing 网关, fallback `claude`）+ `codex exec` CLI（统一经
- `workflows/_claude_launch.js`，cc 优先、prompt 走 stdin 防注入、UTF-8 解码）。
- - 默认 `--proposer builtin --reflect-mode serial`（确定性, 测试用, 不调外部 CLI）;
- - `--live`（= `--proposer llm --reflect-mode parallel`）开真 agent 闭环。
- - 纯 A 档自动 ACCEPT 需改进空间（绿基线无, 按设计）; 开放域改进信号在 B / C 质量档。
+ 裁决 / 门控 / 反自欺 / 自举隔离 / crash-replay 全部真实可用并经测试覆盖。`--live` 开真
+ agent 闭环（proposer / reflector / 双 judge 走 `cc` + `codex exec`）；默认 builtin 确定性
+ 模式（不调外部 CLI）。CLI flag 细节见 [`README.md`](README.md)。
## 用法
```
/self-evolve <target> # 对目标启动一次自迭代 run（需先部署到 ~/.claude/skills/）
/self-evolve-status <run_id> # 查看 run 状态
/self-evolve-resume <run_id> # 从已有 run 续跑
```
底层 CLI：
```
python -m tools.sie.cli init --target <target>
python -m tools.sie.cli run --target <target> --run-id <run_id> --base-ref HEAD \
- [--max-rounds 3] [--mode auto|gated] [--self --enforce-immutable]
+ [--max-rounds 3] [--mode auto|gated] [--proposer builtin|llm] \
+ [--reflect-mode serial|parallel] [--live] [--self --enforce-immutable]
python -m tools.sie.cli status --target <target> --run-id <run_id>
python -m tools.sie.cli replay --target <target> --run-id <run_id>
python -m tools.sie.cli rollback --target <target> --run-id <run_id> --vid <vid>
```
- 档位 / 锚契约、acceptor 数学见 [`reference/`](reference/)；设计规格与 52 任务计划见
- [`docs/superpowers/`](docs/superpowers/)。
+ ## 文档
+
+ [`docs/philosophy.md`](docs/philosophy.md)（普适哲学）·
+ [`docs/pipeline.md`](docs/pipeline.md)（10 态门控全景）·
+ [`docs/modules/`](docs/modules/)（各模块方法，含 [`scenario-eval`](docs/modules/scenario-eval.md)）·
+ [`reference/`](reference/)（acceptor 数学 / 锚契约 / 信号 provider）·
+ [`docs/superpowers/`](docs/superpowers/)（设计规格与 52 任务计划）。