SuperAPI AI 工具集

auto-updater

智能体与模型

查看项目

更新于 10-15 09:59

技能介绍

Auto Updater

概述

auto-updater 会根据识别出的模式和学习成果,自动对技能与生态组件应用改进。

用途:在生态中自动应用经过验证的改进。

五步自动更新工作流:

  1. 识别改进 —— 从审查和学习中收集建议。
  2. 评估安全性 —— 判断哪些可以安全地自动化。
  3. 应用更新 —— 自动实施改进。
  4. 验证变更 —— 确保改进有效且无回归。
  5. 必要时回滚 —— 若验证失败则还原变更。

安全机制:定稿前始终先验证,并且可以回滚。

适用场景

  • 在多个技能间应用系统性改进
  • 在全生态推行指南更新
  • 自动化常见增强模式
  • 批量更新(例如为所有缺少 Quick Reference 的技能添加该部分)

自动更新工作流

第 1 步:识别改进

来源:

  • system-reviewer 的建议
  • best-practices-learner 记录的的模式
  • review-multi 的常见发现
  • 手动改进请求

输出:潜在改进清单

时间:15–30 分钟

第 2 步:评估安全性

可安全自动化:

  • 结构性新增(添加 Quick Reference 章节)
  • 内容新增(在标准位置添加示例)
  • 格式标准化(统一的标题层级)
  • 文档更新(README 增强)

不可安全自动化:

  • 逻辑变更(需要理解上下文)
  • 内容重写(需要判断)
  • 大规模重构(风险过高)
  • 定制实现

输出:已分类的改进(自动安全 vs 仅手动)

时间:20–40 分钟

第 3 步:应用更新

流程:

  • 备份受影响的技能(git 提交或复制)
  • 对每个技能应用改进
  • 记录所做变更
  • 跟踪每个技能的成功/失败

方式:一次处理一个技能,验证后再处理下一个

时间:取决于改进内容和技能数量

第 4 步:验证变更

对每个已更新的技能:

  • 运行 skill-validator(通过/失败)
  • 运行 review-multi 结构检查(评分是否保持?)
  • 目视检查(看起来是否正确?)
  • 标记为已验证或待审查

输出:每个技能的验证结果

时间:每个技能 10–15 分钟

第 5 步:必要时回滚

若验证失败:

  • 确认是哪个技能失败
  • 从备份恢复(git revert 或复制回来)
  • 分析失败原因
  • 将该改进在该技能上标记为仅手动

输出:已回滚的技能、失败分析

自动更新示例

自动更新:为所有缺少 Quick Reference 的技能添加该部分

第 1 步:识别

  • 改进:添加 Quick Reference 章节
  • 目标技能:planning-architect、task-development、todo-management
  • 数量:需更新 3 个技能

第 2 步:评估安全性

  • ✅ 安全:新增章节(不修改现有内容)
  • ✅ 安全:标准格式(使用模板)
  • ✅ 安全:低风险(易于验证)
  • 决定:批准自动更新

第 3 步:应用

  • 备份:对所有 3 个技能进行 Git 提交
  • 应用到 planning-architect:✅ 成功
  • 应用到 task-development:✅ 成功
  • 应用到 todo-management:✅ 成功
  • 变更:3/3 个技能已更新

第 4 步:验证

  • planning-architect:5/5 结构(保持)
  • task-development:5/5 结构(保持)
  • todo-management:5/5 结构(保持)
  • 全部验证:✅ 通过

第 5 步:回滚

  • 不需要(全部验证通过)

结果:✅ 3 个技能成功自动更新 时间:90 分钟(手动需 3–4 小时) 影响:达成 100% Quick Reference 覆盖 质量:所有技能保持 5/5 评分

Quick Reference

五步自动更新工作流

步骤 | 重点 | 时间 | 安全 识别 | 收集改进 | 15–30 分钟 | 不适用 评估安全性 | 分类自动安全项 | 20–40 分钟 | 关键 应用 | 实施变更 | 不定 | 先备份 验证 | 检查质量是否保持 | 每个技能 10–15 分钟 | 必要 回滚 | 失败则还原 | 每个技能 5 分钟 | 安全网

安全 vs 不安全自动化

可安全自动化:

  • 添加标准章节
  • 格式标准化
  • 文档补充
  • 结构性改进(遵循模式)

不可安全自动化:

  • 逻辑变更
  • 内容重写
  • 大规模重构
  • 定制实现

规则:如需判断或理解,则仅手动。

auto-updater 能够同时在多个技能上安全、经过验证地自动应用改进。