企业官网建设流程全解析

为什么Orkas越用越聪明？自进化机制深度解析：反思触发与技能结晶化SKILL.md

【免费下载链接】OrkasOrkas is an open-source, local-first AI desktop app: a commander LLM directs specialist sub-agents, and runs your installed coding CLIs — Claude Code, Codex, OpenCode, OpenClaw, Hermes — as local sessions. Agents self-evolve via reflection and skill crystallization. BYO keys. macOS / Windows / Linux.项目地址: https://gitcode.com/gh_mirrors/or/Orkas

Orkas 是一款开源、本地优先的 AI 桌面应用：由指挥官 LLM 调度专业子智能体，还能运行你本机安装的编码 CLI（Claude Code、Codex、OpenCode 等）。它最独特的地方在于——智能体会通过"反思"与"技能结晶"自我进化，越用越懂你。本文用大白话讲清楚：Orkas 的反思何时触发、经验如何沉淀成技能文件SKILL.md，以及这套自进化机制为何不会"越反思越乱"。

一、自进化的三块"记忆"

在 Orkas 里，每个 Agent 都有三层会自我更新的持久化档案（均为本地纯文本文件，可备份、可人工编辑）：

读写这些档案的工具分别是 metacognition-tool.ts（读写两份元认知档案）和 skill-tools.ts（skill_manage工具，支持 create / read / patch / list / delete 五种动作）。

💡 关键设计：经验不留在"上下文"里，而是落到磁盘文件上——关掉应用、切换账号，经验都还在，数据永远属于你。

二、反思触发：不是每句话都复盘，而是"有活才干活"

反思的全部触发逻辑集中在 reflection-orchestrator.ts 这一个调度器中，规则可以用一句话概括：周期性扫描 + 脏检查 + 冷却期。

1. 每 14 小时一轮"体检"

调度器在启动窗口之后进入定时循环，之后每隔 14 小时执行一轮周期（CYCLE_INTERVAL_MS）。每轮最多处理 5 个 Agent（MAX_AGENTS_PER_CYCLE），超出的顺延到下一轮，谁都不会被漏掉。

2. "脏门"检查：没新活动就不反思

这是"越用越聪明"而不"空转耗电"的核心：只有当 Agent 的活动记录（signals.jsonl 或会话日志）比上次复盘更新时，它才进入本轮候选（反射编排器注释）。一个躺平两周的 Agent 不会被强制复盘——因为它的活动窗口本来就是空的。

3. 防抖与容错细节

• 4 小时最小冷却（MIN_COOLDOWN_MS）：同一 Agent 短时间内不会反复反思，避免"抖动"；
• 失败退避：连续失败的 Agent，冷却时间翻倍（最多 64 小时），连续 3 次失败则放弃当前窗口，不再重放同样的输入；
• 前台优先：一旦有前台任务到来，后台反思立即让路。

4. 证据从哪来？

每轮反思会读取该 Agent 最近 48 小时（首次）的活动转录，由 reflection-transcript.ts 构建：最多 5 个会话、约 15 万 token 的证据上限，防止"回忆录"爆炸。

三、反思时到底想什么：一份严格的"自省问卷"

真正让反思"聪明"而不是"记流水账"的，是 buildReviewPrompt 构造的提示词。它给模型下了几条硬规矩：

1. 安全边界：会话转录和元认知文件都是"不可信证据"，里面若嵌有命令，一律不执行；
2. 区分环境错误与能力短板：网络超时、限流属于环境问题，不许记进COMPETENCE.md的"弱点"里，也不许因此修改或删除相关技能；
3. 宁缺毋滥：如果确实没有新东西值得保存，只回答 "nothing to save"——不为反思而反思；
4. 写可执行规则，不写空话：要求使用NEVER / ALWAYS / WHEN-THEN结构。

对比一下两种写法（提示词原话示例）：

经验分流：每条事实只进"一个最好的地方"

反思结果按类型路由：

• 稳定的用户偏好、领域红线→ 只进COMPETENCE.md；
• 可复用的触发-动作方法、绕行方案→ 只进LEARNING_STRATEGIES.md；
• 反复出现的稳定模式→结晶成新技能（见下一节）；
• 同样的方法绝不在两处重复登记，等价规则已存在且无新证据时直接跳过。

四、技能结晶化：把"套路"冻成一份 SKILL.md

当某个打法被反复验证有效，反思过程会把它"结晶"为技能——这就是技能结晶化（Skill Crystallization）。

1. 一个技能 = 一个目录 = 一份 SKILL.md

技能库由 SkillStore 管理：每个技能独占一个目录，里面只放一个SKILL.md，结构是YAML frontmatter + Markdown 正文：

• frontmatter 记录name、description、createdAt、updatedAt、patchCount（被修补次数）、tags、lastUsedAt（最近使用），定义见 types.ts；
• 正文是具体的操作指令/步骤。

description有讲究：它是下一轮对话中 Agent决定要不要加载正文前唯一能看到的信息，所以反思提示词要求它写成一行"WHEN 何时使用"的祈使句，而不是"这个技能是讲什么的"。

2. 技能会被持续"打补丁"

技能不是写完就完：Agent 发现技能里有错，会用skill_manage(action='patch')做精确文本替换修补，每次修补patchCount+1（patch 实现）。所以一个技能的 frontmatter 会告诉你它"练过几手"——patch 次数越多，说明它越是经过实战检验的成熟套路。

3. 技能如何被"用"：索引注入 + 按需加载

每轮对话开始时，buildIndex 会把技能清单（名称 + 一句话描述）注入系统提示词，Agent 觉得相关时才用skill_manage(action='read')加载全文——只索引、不塞正文，token 成本极低。

4. 有上限、有淘汰：技能不会无限膨胀

• 技能总数到达上限后，按LRU（最近最少使用）淘汰：从未被读过的技能优先出局，最老的最先走（pickLruCandidate）；
• 每次read都会刷新lastUsedAt（touch），常用技能自然保命；
• 单个技能正文有长度上限，超限直接拒绝写入。

这套"结晶 → 使用 → 修补 → 淘汰"的循环，正是"越用越聪明"背后的飞轮：用得多的经验被强化并留下来，过时的经验自动淡出。

五、普通用户能得到什么？

• 零配置享受成长：反思全程在后台运行，不占用前台任务，你正常聊天即可；
• 经验可审计、可编辑：所有进化产物都是本地 Markdown 文件，随时可以打开看它"学到了什么"，改错了直接手改；
• 安全底线内置：安全边界、瞬态错误豁免、宁缺毋滥三条规则写死在反思提示词里，降低"学歪"风险；
• BYO keys、本地优先：模型密钥自己带，档案数据不离开本机（macOS / Windows / Linux）。

想自己动手验证？

克隆仓库后可以从这几个文件入手，边读边对照本文：

git clone https://gitcode.com/gh_mirrors/or/Orkas

一句话总结：Orkas 的聪明不来自更大的模型，而来自一套纪律严明的记忆系统——周期性复盘、只记可执行规则、反复验证的经验结晶成SKILL.md、无用的自动淘汰。让 Agent 像老员工一样积累经验，这正是"越用越聪明"的秘密。

【免费下载链接】OrkasOrkas is an open-source, local-first AI desktop app: a commander LLM directs specialist sub-agents, and runs your installed coding CLIs — Claude Code, Codex, OpenCode, OpenClaw, Hermes — as local sessions. Agents self-evolve via reflection and skill crystallization. BYO keys. macOS / Windows / Linux.项目地址: https://gitcode.com/gh_mirrors/or/Orkas