用途
本技能用于基于一次真实执行结果来改进可复用的智能体工作流。它明确区分：不要用它改进产物本身，而要用它改进产出该产物的工作流。目标是通过一次小规模、有证据支撑的工作流改动，让下一次运行更可靠。
何时使用
- 某个工作流、提示词、技能或智能体流程已被应用到真实任务
- 存在可检查的产物、评审、测试结果、模拟结果或人工关切
- 预期类似任务会重复出现
何时不使用
- 产物没有可改进的关联工作流
- 问题明显是一次性任务问题，没有复发风险
- 目标是使用子智能体分派进行经验性提示词准确度评估（应改用 empirical-prompt-tuning）
- 目标是从已完成项目中提取可复用知识（应改用 extracting-agent-skills）
所需输入
按可用情况使用：
- 当前工作流或技能
- 所使用的任务、种子或输入
- 产出的产物
- 评审、测试结果、模拟结果或人工关切
- 类似任务是否会重复出现
若输入不完整，应在明确不确定性的前提下继续。把缺失证据视为评估局限，而不是工作流失败的证明。
核心原则
不要把每一次产物失败都当作工作流失败。先对原因进行分类。通常只有工作流导致（C）、评估导致（D）和输出格式导致（F）的问题才应产生工作流改动。对于能力边界导致（E）的问题，应增加人工评审点、工具需求、原型测试或观察标准，而不是假装智能体能够验证它。
角色执行模型
四个角色为：成功提取者、失败分类者、工作流差异编辑者、删除评审者。
对于小型、局部的工作流修复，可将它们作为单次执行运行。子智能体可用本身并不构成分派它们的理由。当出现以下任一情况时，应把角色拆分为独立评审者（独立子智能体，或在子智能体不可用时使用隔离的顺序执行）：
- 改动影响多个工作流或技能
- 评估标准本身存在争议
- 错误修复的撤销成本很高
- 独立性会实质性提升结论可信度
无论哪种模式，失败分类者必须先于工作流差异编辑者完成原因分类。对于 A（任务导致）或 B（执行导致）问题，工作流差异编辑者不得改动工作流，除非同一问题在多次运行中复发。
原因分类
将每个重要问题归为以下之一：
- A. 任务导致：输入含糊、过量、矛盾或不可测试。
- B. 执行导致：工作流已说明该做什么，但智能体未遵循。
- C. 工作流导致：工作流缺少必要步骤、标准、输出字段或修复规则。
- D. 评估导致：成功或失败标准不清晰。
- E. 能力边界导致：验证需要工具、原型、人工测试或外部数据。
- F. 输出格式导致：结果存在，但难以检查、复用、比较或审计。
- G. 过度约束导致：工作流过于严格，损害了新颖性、灵活性或有用性。
若不确定，保守地归为 D 或 E。不要基于薄弱证据添加工作流规则。
流程
- 用 1–3 句话总结当前工作流的预期用途。
- 找出 1–3 件有效的事情。
- 找出最重要的问题（无硬性上限，按影响排序）。
- 对每个问题按原因分类（A–G）。对每个 C 或 F：(a) 该问题是否在多次运行中出现——若仅一次，除非结构性缺口明确无疑，否则优先标记为“仅在复发时处理”；(b) 该问题在同一工作流中换一个产物是否也会出现——若它依赖产物特定特征，优先归为 B 而非 C。
- 只修订 C、D、F 问题。A、B、E、G 问题除非复发，否则保留。
- 提出最小可用的工作流差异（一次一个主题）。
- 说明每个差异可能带来的副作用。
- 至少提出一个删除候选。
- 为下一次运行留下 1–3 个验证点。
修订优先级
按以下顺序应用改动：
- 修复输出格式
- 澄清检查标准
- 改变执行顺序
- 缩短输入格式
- 添加修复规则
- 拆分角色
- 添加约束
- 添加人工或外部工具介入点
约束是较晚的补救手段。许多失败来自输出形态不佳或缺少原因分类，而不是规则太少。
删除规则
每次改进必须至少提出一个删除候选：
- 未使用的步骤
- 重复的检查
- 未帮助判断的输出字段
- 只产出文字的角色
- 削弱了产物的约束
- 未被使用的长段落
若删除有风险，标记为“下次运行观察”，而不是立即删除。若所有候选都被推迟，应明确说明本次为何没有实际删除。
能力边界
较易验证：格式合规、缺失字段、显式矛盾、未解决的术语定义、简单策略比较、测试用例覆盖、重复的输出失败。
较难验证：趣味性、品味、手感、美感、节奏、说服力、品牌契合度、人类满意度。
对于难以验证的品质，不要假装确定。应改为增加人工评审点、原型测试、样本比较或观察标准。
反模式
- 把每一次产物失败都当作工作流失败，然后添加约束
- 每次运行都重写整个工作流
- 只扩展检查清单而不删除任何内容
- 让不可验证的品质看起来已被验证
- 隐藏不确定性
- 把紧凑的工作流变成官僚流程
输出
输出时加载 references/improvement-log-template.md。保持改动小、可逆，并能在下一次运行中测试。
配套技能
- empirical-prompt-tuning：使用子智能体分派对技能进行经验性准确度测量；当你想跨场景测量成功率时使用
- extracting-agent-skills：从已完成或已放弃的项目中提取可复用技能