用途：A-Evolve 用于跨运行迭代提升 AI 智能体表现，通过分析失败证据并产出可长期加载的工件（技能、提示词补丁、知识条目）。它是纯提示词方法，无外部依赖、无需改动 harness。
核心五步循环：
- Solve：收集执行工件，如运行日志、错误追踪、逐任务通过/失败结果、指标值（准确率、奖励、成功率）及历史会话文件。在 AutoResearchClaw 中可查看 artifacts/rc-*/、evolve.log、reviews.md、哨兵报告等。
- Observe：诊断证据并输出结构化观察，标注错误类别（代码 bug、超时、方法错误、知识缺失、API 误用、幻觉引用、提示歧义等）、根因、频率与严重程度（blocking/degrading/cosmetic）。
- Evolve：根据观察提出一种或多种变更：为高频复发模式生成 SKILL.md 技能；针对提示歧义写最小化的系统提示补丁；为事实缺口记录可复用知识条目（含 id、category、insight、source、confidence）；若为一次性或修复过宽则选择不做。
- Gate：在接受变更前检查其针对性、可测试性、影响范围与一致性，避免过宽导致回归；未通过则细化或丢弃，并向用户说明理由。
- Reload：向用户展示已接受的变更、解释原因、建议放置位置，并维护版本日志。ARC 项目推荐位置：技能放 .claude/skills/evolved/<名称>/SKILL.md，提示补丁追加到 prompts.default.yaml，知识条目放 docs/kb/evolved_knowledge/<id>.json，观察日志放 evolution/observations/<batch>.md。
与 ARC 流水线映射：12 EXPERIMENT_RUN 提供证据，13 ITERATIVE_REFINE 为主要触发点，15 RESEARCH_DECISION 充当 Gate，18 PEER_REVIEW 提供额外观察信号。
反模式：不要生成泛泛的技能、不要为一次性错误提变更、不要重写整个系统提示、每轮不超过 3 个技能、未经明确要求不改工具代码。
与 MetaClaw 关系：若启用 MetaClaw，生成技能可放 ~/.metaclaw/skills/arc-*/ 以自动注入后续运行。本方法产出高精度技能，MetaClaw 课程覆盖更广。
限制：具体适用场景与效果资料未提供；无外部依赖与代码改动要求。