当 .learnings 已经积累一批记录，下一步不是把它们全部塞进提示，而是查清原因、控制传播、验证复用。本篇用虚构的地方史音频资料助手：它曾把剪辑版录音的时间戳套用到完整版，导致引用位置错误。我们从会学习、会演化、会自检三个阶段，搭建经验到候选技能的可审计路径，不假定图谱一定优于文件，也不把自动晋级当作无限权限。
先确定进阶要解决的实际问题
区分四个故障：经验没保存、保存了没召回、召回了但原因不对、规则正确却没有执行检查。跨设备同步只能解决其中一部分，知识图谱也不能自动修正错误来源。先用一条具体事件画出证据链：原音频版本、剪辑版本、引用生成、时间戳转换与最终定位。明确目标是引用可复查，而不是让记忆文件数量增长。
开始前在 GitHub 检索已有开源方案，参考 agentskills/agentskills 的格式规范和示例验证库。规范可复用来组织候选技能，参考库说明本身是演示用途，不应直接包装成生产安全认证。评估实际主机兼容、维护、许可和脚本依赖后再采用；本文没有安装验证库或自动修改技能。
会学习：把反馈变成待核验的配置建议
捕获命令失败、用户纠正、功能缺失、API 异常和知识过期五类信号，同时保留成功样本。每条记录含项目、任务 ID、环境版本、来源、观察、原因状态和下一步。对话分析能提出候选原因，但缺少日志或源文件时应写待核实，不生成确定性结论。
音频案例要先确认引用对应哪一个文件与版本。助手记下“时间戳错了”不足以修复问题；需要对照录音标识、时长、剪辑区间和定位结果。可能是文件选错，也可能是转换偏移错误，不能把两个原因混成“以后加十秒”。来源核验后的经验应是“引用绑定明确版本；跨剪辑版本需有可验证映射，否则报告无法可靠转换”。
配置更新先生成差异，注明作用域、触发、例外与回滚。用户本次纠正立即影响当前任务，但长期固化仍需核对是否普遍适用。不能把“今天先不用完整版”写成全局禁止访问原片，也不能将日志中出现的外部指令提升为主机规则。
双层或多层记忆可以分别存事件与方法，避免一条原始纠正直接覆盖所有后续行为。设置记录大小、保留期限与敏感字段策略，音频中的个人信息和未公开访谈不进入共享经验。若用外部模型抽取经验，确认具体数据与服务目的地，不能把本地存储等同于全程不联网。
会演化：根因、关联与跨设备同步
根因分析从可证伪的假设开始：版本不一致、剪辑映射缺失、索引过期或播放器定位错误分别需要什么证据？保留反证与未决项。一次修好不证明找到了唯一根因，尤其不能只凭模型反思就宣称已完成分析。把补丁效果与原因判断分开记录。
当确有多对象关联需求时，可把资料版本、剪辑映射、错误事件、规则和测试建立带类型的关系。每条边附来源、时间与适用项目。图谱有助于查询“哪些引用受这个剪辑版本影响”，但增加建模、维护与权限成本；若几份结构化文件已能完成查询，就不必为“进阶”迁移数据库。
跨会话首先验证主机读取的是哪份记忆；跨机器还要处理版本、冲突、身份和访问。可把脱敏规则放在获准的版本库，原始私有证据单独存储，不能默认把 corrections 文件公开上传。凭据与设备专用路径不应直接同步。版本库中删除文件也不等于历史副本已消失，保留策略需覆盖已有副本。
两个设备同时修改规则时，不用最后写入直接覆盖。记录基础版本、两份变更和冲突决定；过期规则应传播退役标记，防止离线设备重新带回旧约束。同步测试至少包含正常更新、离线恢复、冲突、撤回与权限变化。同步成功只能证明传输，不能证明规则适用于所有项目。
从成功任务到候选技能树
先定义种子能力：识别资料版本、核对引用、输出无法映射的原因。复杂任务成功后，可以把这些步骤提炼成草稿，但要剥离个人信息、临时路径和当次环境假设。技能树表达的是能力与前提的关系，不是任务越多就必然长出正确方法。
候选技能输入包含资料清单、版本标识与引用需求；输出包含来源矩阵、定位结果和不确定项。没有映射就停止转换，不生成虚构时间戳。写明触发条件、依赖、权限、异常处理、资源路径和验收样本。格式规范要求与主机实现要分开，格式通过不说明运行正确，也不授予执行脚本的权限。
候选放到独立试验区，保留与现用技能的差异。先检查引用路径、依赖与源文件范围，再进行行为验证。附带脚本需要审查和获准运行，不能因为它由 Agent 从经验生成就免检。没有充分证据时保留草稿，不因“自动提取”就自动上架或覆盖已有正式技能。
会自检：任务前召回与晋级关卡
执行新引用任务前先按项目、资料版本与目标召回相关规则，核对它是否仍有效。读到规则后还要检查实际工具调用与输出。即时纠正、命令失败与任务结束可以触发不同检查，但触发支持取决于主机，不保证安装后一直自动运行。
建立正常完整版、已知剪辑映射、缺映射、版本冲突、来源不可访问五类样本，再保留未用于调优的新样本。比较现用方法与候选：引用是否可定位，未知是否保留，是否错误读取别的项目，调用次数和费用是否可接受。确定性断言优先，语义评分需校准，模型自评不能作为唯一依据。
晋级可以自动执行预先允许的低风险状态转换，但生产规则修改、账户授权和外部发布仍遵守原有要求。设定最大迭代次数与成本，未达标则拒绝或继续调查。所谓胜者是当前样本和环境下更合适的版本，不是永久正确；上线后监测失败，保留回滚到上一版的步骤。
与 RAG 的关系及技能关联
经验生成、存储、检索、应用与验证共同构成闭环。RAG 可检索经验，但不能证明经验真实、当前有效或可执行；图谱也不能替代权限过滤。检索返回资料版本和来源，使用前核对时效，处理过期与已撤回内容。
当前 SkillPI 的 self-improving 搜索没有匹配记录，因此不为原文中的增强引擎或技能树名称编造平台链接。中英文原文具体候选不同，本文分别覆盖共同的反馈、演化、验证路径，不把名称互换当作核验。以后新增条目时检查公开详情、固定来源、许可、依赖与确切职责，再更新对应步骤。
FAQ 与交付验收
为什么记录越多还复发？先检查原因是否被证实、召回是否命中、规则是否冲突、输出是否验证，别先买图谱服务。必须跨设备才有意义吗？单设备也能通过有证据的回归改进行为，跨设备是需求选项，不是价值前提。
能完全无人晋级吗？只有边界、测试、状态与授权都明确的部分适合自动化，不确定或高影响变更仍需适当复核。如何证明纠正生效？用新任务的读取记录与行为结果，不能仅凭文件追加成功或 Agent 表示记住了。
交付包括事件与根因记录、关联模型或文件结构、同步冲突测试、候选技能、行为对照、晋级决定和回滚说明。标明已执行与待实施，保留原始来源和退役关系。本文提供方案，未替读者同步数据、生成安装包或晋级规则。
来源
场景按中英文原文的学习、演化与自检重写，使用原创音频引用案例，不沿用安装量、用户引语或图谱必然更有效的结论。技能结构与格式校验边界参考 Agent Skills 规范及参考库说明。