evolution Skill — 框架自我更新规则
Datarim 如何在合规后、按需以及明确请求时提出并应用对自身框架的改进——同时确保每项变更都经人工批准且可独立回滚。
一个跨众多任务使用的框架会随时间累积摩擦:某个 skill 描述的已不再使用的模式、两个关注点重叠的 skill、六个月前准确但如今已与代码实际行为脱节的描述。evolution skill 定义了 Datarim 自我修正的规则。
每项变更都需要明确的人工批准。该 skill 不会推测性地应用任何内容。
两条变更路径
成长在 /dr-compliance 通过后启动。reflecting skill 审查已完成的工作,识别出对未来任务有益的模式,并生成 evolution 提案。如果归档开始时该反思缺失或已过时,/dr-archive 的 Step 0.5 会提供回退方案,而不是静默跳过。提案可能会更新现有 skill、完善 agent 描述、为反复出现的模式添加模板,或为未覆盖的领域创建独立的 skill。每个提案都包含类别、目标文件、简明的变更描述以及动机证据。
反思期间发现的后续事项会被退回归档阶段,以进行明确的待办事项分配。框架变更仍需人工批准,而更改现有契约的 Class B 提案在实施前还需要更新相关的 PRD。
维护通过 /dr-optimize 运行。优化器会构建整个框架的依赖图,找出未使用的组件、过大的文件、重复的 skill 以及损坏的交叉引用,然后呈现一份结构化报告,其中包含修剪、合并或拆分组件的提案。
健康阈值
该 skill 定义了触发优化建议的具体阈值。超过 20 个 skill、超过 18 个 agent、超过 25 个命令、任何单个 skill 超过 500 行、任何描述超过 155 个字符,或孤立率高于 15%——其中任何一项都会提示运行 /dr-optimize。这些阈值之所以存在,是因为每个新文件和每个更长的描述都会增加每条流水线命令在调用时必须支付的 token 预算。
一个具体示例
某次任务反思指出,基于属性的测试方法捕获了单元测试遗漏的边界情况。reflecting skill 生成一个成长提案:类别 skill-update,目标 skills/testing/SKILL.md,变更:添加一个包含具体示例的基于属性的测试章节。操作员批准。该 skill 文件就地更新。变更记录在 datarim/history/evolution-log.md 中,包含任务 ID、类别、目标以及一行理由。
反膨胀规则与回滚
在任何创建新文件的提案之前,该 skill 要求检查现有组件是否可以吸收该内容。每个新文件都会增加加载它的 agent 的冷路径开销。只有当内容明显是现有 skill 未覆盖的独立关注点时,新 skill 的提案才会继续推进。
每项获批的变更都是对特定文件的一次离散编辑。evolution 日志记录了足够的信息,可手动撤销任何变更。对于修剪操作,优化器会在删除前将已删除的文件归档到 documentation/archive/optimized/。从 2026-04-25 起,安装的运行时是一组指向 Datarim git 仓库的符号链接;自 v3.0.0 起,框架变更在该仓库中进行,并在更新时到达项目固定的 .datarim-runtime/ 副本。无论哪种方式,回滚变更都是标准的 git revert。
阅读 /dr-compliance 命令文章了解主要完成门禁,阅读 /dr-archive 命令文章了解回退与待办事项路径,并阅读 Datarim 是什么了解更广泛的框架全貌。