从理论与实践孵化方法

孵化要找出一种可迁移的工作关系：它改善哪个反复出现的困难，为什么可能有效，什么条件下 会失效。理论提供解释与候选，实践修正解释；最终 skill 保存可用的判断，不保存完整研究过程。 孵化本身复用稳定的方法论和工作流，针对具体未知选择活动；已有成果直接接续，不从空白 重建，也不为小修订重新执行全部工作。

把核心选择发展为工作关系

默认工作流以 主入口 为准；本参考深化活动选择、交接、实验与失败解释。 比较候选及孵化器改进时按需复用 质量评估，不重复维护一套阶段表。

核心方法回答“为什么这样组织工作”，工作流回答“现在怎样行动”；二者都要设计。 例如 UI 方法的核心可以是以真实内容的整体关系指导局部试作，再沿消费者差异传播； 工作流则需要明确如何扫描形成对象、选择试作点、反馈改变诊断，以及传播后怎样复看。 只列调研、试作、评估等活动名，仍未形成方法；只写价值立场，也不足以交给 Agent 执行。

先检查现有 skill、可靠实践、用户已接受的取舍与过往实验。保留已成立的核心与接线，只 重做证据不足或被反例击穿的部分；名称相似不足以证明可复用，必要时核对适用条件。 活动选择使用下节策略，表达复用 composition.md，证据复用 evaluation.md。复用的是判断与工作关系，不要求每次加载全部参考资料。

将方法设计成 Agent 能执行的工作

沿实际执行路径检查：能否发现入口、拿到对象、作出下一步判断、完成允许的动作、核对 结果并交还。可靠性来自清楚的关系与可观察执行，不靠角色形容词或要求自报“已理解”。

• 入口与默认行动：说明触发、所需材料和第一步怎样选；初次执行无需自行发明整套流程。
• 工作单位与覆盖：说明处理的是页面、状态、组件用法还是其他对象；共享结果如何复用， 哪些差异需要另看，避免代表对象悄悄替代全部范围。
• 判断与转向：把“继续打磨”写成可辨认的条件；无有效候选时回到生成，诊断被推翻时 回到观察，不能判断时保留未知或交接，不规定固定纠错次数。
• 完成与返回：写明产物、证据、缺口及接收者；长任务在已有记录中保留当前对象、有效 结论和下一步，让后续 Agent 能继续，不要求恢复先前模型或工具现场。

权限、数据一致性及不可绕过的限制由工具与 runtime 保证；skill 描述如何使用这些能力， 不通过增加指令声称获得硬保证。工具能力不足时修环境或缩小可证明结论，不能靠更严门禁 或更强人格掩盖缺口。具体表达不必逐项列标题，但会改变行动的关系必须可找到。

试验中分开检查“方法没有被执行”和“方法被执行却无效”：前者核对入口、材料、歧义与 执行环境，后者重查核心与适用条件；两种原因也可能同时存在。执行完全符合流程，仍不 代表产物质量成立。孵化过程自己也沿这条工作流运行，并据自身偏差修订，而非每次临时设计。

选择能产生当前所缺认识的活动

先判断下一步需要发现事实、生成解法、明确偏好，还是检验解释。候选空间尚未形成时， 不能只做比较剪枝；用户喜欢某个结果，也不能据此证明方法可迁移。按当前未知组合活动：

这些活动不是互斥阶段。试作可以推翻问题诊断，调研可以改变实验材料，用户反馈可以揭示 遗漏的活动。只把会改变下一步的结果接合起来，不把所有策略逐一执行。理论提供的解法 不足时回到制作，反复制作仍不能解释失败时回到观察或调研；不要只增加候选数量。

从工作压力提出候选

先说明当前普通做法哪里不够：不会判断、过早收束、遗漏范围、实现困难，还是资源不足。 沿用真实任务与已有方法作为起点；尚未实际观察的困难标为假设。不要把“需要更好的 Agent” 直接翻译成更强的人格，也不要把工作量大翻译成更长的检查清单。

按困难选择有用的理论或实践来源。外部材料的语境、证据和迁移取舍可按 research-synthesis 核对；已有可靠研究直接复用。 理论、作者经验、用户偏好与本地观察分别保留来源，不能互相替代。

把启发写成能被案例推翻的关系：在什么情境下，改变哪种注意、比较或行动，预期产生什么 差别，什么结果意味着解释不成立。例如“先看整屏节奏，再修局部间距”比“成为审美大师” 更可检验。理论不能解释的手艺判断仍可通过试作学习，不要求为每个参数寻找理论背书。

人格材料是可选的工作偏好，不是能力保证。若困难是探索过早结束，可以试验保持候选开放 的倾向；若是反复发散而不落地，可以试验及时收束的倾向。具体设计按 agent-personality；不按类型名预设谁擅长审美或扫描。 同一 Agent 可以在不同情境中转向，也不必为每种倾向设置一个永久角色。

在隔离试作中发展候选

把候选写成短任务表达或独立指令块，选能触及当前困难的对象试用。早期优先使用真实对象的 隔离副本或有依据的实验场景，保留真实内容、状态与工作复杂度；正式交付留给成熟候选的 迁移检验，不靠修改生产环境来试错。已知方法可以直接写入 skill 后在使用中修订； 不确定关系宜先试作，不为等待完美证据阻止探索。 实验草稿、研究记录与已接受方法保持可辨认，不用新状态机管理孵化。

先确保任务、事实、工具和执行条件足以开展工作。无法观察实际页面、缺少必要数据或工具 能力时，指出环境缺口，不能归咎于人格或靠追加 prompt 补出能力。实践授权沿用任务范围； 设计孵化方法不自动授权执行产品任务、调用外部模型、发布或建立定时工作。 试验交接带入已确认的执行入口及边界，让双方使用同等环境信息。执行者发现工具缺口时， 先核对任务提供的替代能力；既有可用入口没有交清楚是试验准备问题，不是候选方法失败。 以接收者的实际工具与权限为准，不从主 Agent 的可用能力推断子 Agent 能力。并行试验若 争用同一浏览器、视口或写入资源，先隔离或调度；记录等待与有效执行，避免混入方法成本。

探索中可以变更候选，但要保留原对象、做了什么、看到什么、为何转向。比较依赖原始 版本且副本会被执行者改写时，先保留所需基线再启动；启动后的复制或哈希不能补作 启动前证据。漏留基线就说明能依赖的原始截图、材料或恢复来源，不伪称版本冻结完整。 这只是比较所需的准备，不要求每次工作创建额外快照系统。 要判断某条指导的贡献时，比较条件尽量一致；同时增加预算、换模型、改工具和加角色得到的改善，不能单独 归因于 skill。具体证据强度沿用 evaluation.md，不另建评估系统。

探索实验允许生成和重写候选；比较实验才围绕已明确的差别控制变量。预期哪种观察会使 下一步不同，应在实验前说清；两种结果都会导致继续原方案时，实验可能没有区分力。 真实任务压力的场景与专门放大某个矛盾的场景可以互补，分别说明它们支持的结论。

观察偏差后先分清原因：任务不适合、理论解释不成立、表达误导、方法没有被使用，或执行 条件不足。修正对应关系；不要给每次失败追加一个例外，也不要把成功案例的全部动作固化。

分开修订领域方法与孵化方法

让执行 Agent 接收候选方法、共同任务和原始材料；检验自主诊断时不提前提供预期答案。 主 Agent 核对实际产物与证据，用户裁决涉及其偏好的取舍。审美接受、合同正确、覆盖完整 与成本可承受分别判断：漂亮但丢失关键操作的方案不能靠偏好得分胜出。

检验自主发现能力时，普通任务与执行者可见材料中不泄露缺陷类型、位置或修法；评价方 单独保存依据，并核对疑点是否在真实对象上成立。分别记录发现、修复和回归，保留漏检、 误判与清单外有效发现。只比较整体偏好会掩盖具体缺陷，只有已知缺陷命中又可能鼓励 机械纠正合法差异；据本次能力目标同时观察这两种代价。专门构造的缺陷只能支持相应 发现情境，不能当成正式产品或所有未知问题的覆盖证明。

评价方带有位置或偏好提示时，先把它保存为待核对的假设，不能凭提示确认缺陷。 观察执行者是否自主提出具体关系，再比较试作前后；另一个评审未认同也保留为分歧。 要判断方法是否只记住案例，可换内容、角色或空间位置检验迁移；尚未做迁移时不报告 稳定能力。领域 skill 提炼观察关系，不写入这次问题的坐标或必改结论。

先据结果修订领域 skill，再问孵化过程是否遗漏了会改变取舍的信息。领域方法失效可能 只是候选尚不成熟，不必每次都改孵化方法；只有问题来自选错活动、实验无区分力、交接 失真或错误提炼时才修对应关系。记录两层分别改了什么、为什么，避免同时变更后无法解释。 若两层确需一起改，报告混合变化，不声称独立归因。

用新对象检验修订，而非只重做已经用于调参的场景。孵化方法是否改善，还要看它在另一 候选或困难上是否作出了更有效的活动选择；把本次教训写进文档只证明已修订。

将经验提炼为可重复判断

从有用的试作中提取触发、行动理由、转向条件与边界，而不是复制工具顺序。例如保留 “共享样式变化后重看受影响用法”，不保留“总是打开五个页面”；保留“无法区分候选时换 真实内容比较”，不保留“每轮必须做三个方案”。

用另一个有差异的对象检查迁移：哪些关系能复用，哪些只是当前项目或用户的偏好；再用 相近但不应触发的任务检查边界。按会改变采纳判断的未知补验证，不要求固定轮数或全部 理论都被证明。没有匹配比较时可采纳有依据的候选，但只能报告观察与未知。

再按 formation.md 决定载体。结果可能是更新现有 skill、加入按需 reference、 保留一次任务指令，也可能是确有独立触发的新 skill。仅把已有技能串成调用清单不构成新方法。 普通入口保留稳定方法，形成历史和失败材料留在现有研究位置，不作为每次执行的阅读负担。

案例：持续改进 UI

以下是孵化推演，尚不是效果已验证的 UI 方法。用户的压力同时包含审美试错与扫描工作量， 两者相关但完成依据不同：扫描充分不证明美感改善，漂亮的样板也不证明范围已覆盖。

先在一个包含真实内容和关键状态的页面或组件用法上试作，降低探索成本；代表性对象用于 发现方法，不能冒充全量验收。探索到有效关系后再扩大覆盖；仍有未决视觉问题的对象可以 继续试作，不把“一次样板成功”变成全仓机械推广。

审美判断以任务和项目当前方向为依据，选择适合的设计方法，不指定某项设计 skill。 项目已有扫描、实现核对、任务 分治与复测方法时，分别复用其能力；没有这些 skill 也可用普通任务分解完成，不递归加载 全部相邻方法。项目方法由各项目自己的入口路由，这份通用方法不绑定项目路径。

共享根因优先修在负责位置，同时复看消费者；页面特有构图在页面中处理。扫描可并行的 部分与共享写入责任按环境安排；审美方向的分歧由总体判断综合，不按投票平均拼装。角色 有不同分工时，产物差异首先是分工证据，不能称为人格效果。

“持续”应落在有范围、有基线、能续接的改进批次：每批完成授权工作并保存关键观察、 实际覆盖、待验项及下一入口。没有实质改善时允许保留；停止当前批次不等于宣称永远完美。 用户要求全量时逐项完成或如实报告缺口；探索预算有限时报告范围，不把抽样改名为全量。 未来自动运行和通知只有用户请求时才安排，skill 文本本身不会持续运行。

可能值得沉淀的新增关系是“扫描发现压力，试作形成局部解法，传播后检查差异，再据反证 修订”，而非另起一份设计规范。若现有方法组合已能做到，就加强接合说明；只有实践发现 这份结合反复缺失且有独立选择价值，才提议单独的持续 UI 改进 skill。

用假想反例检查设计

以下仅是推演，用于暴露方法缺口，不代表已经观察到 Agent 行为或 UI 改善。

这些反例支持的设计选择是：由当前认识缺口决定活动，让活动所得重写问题与候选，再以 不同对象检查可迁移关系。它们不能证明这套选择实际有效；实践应优先触及仍会改变取舍的未知。

交付到当前证据为止

简要说明工作压力、理论启发、候选关系、实际试作与反例、载体决定和下一处关键未知。 仅设计孵化方案时方案可完成；要求实践时继续执行授权试作；要求证明效果时补足相应比较。 方法可用、行为观察到、迁移成立和用户接受分别报告，不把“已经孵化成文件”当成效果证明。

方法的遗传演进

用于需要大量候选、持续变异、跨轮次保留互补方法，并由 Agent 与用户分层选育的孵化。 简单修订继续直接做。这里的 DNA、遗传与显隐性是方法设计的类比，不是生物学模型或 已验证的自动优化算法；表达忠实、执行可靠和用户喜欢仍分别求证。

遗传什么，表达什么

先确定用户目标、不可擅改的合同、接受方向和实际环境。这些来自当前任务，不由选育 偷偷改变。可遗传的对象是方法关系：怎么看对象、怎样获得认识、怎样制作、怎样协作、 如何回应反证及收束。人格与哲学可以提供来源，但名称本身不代表能力。

将一份候选分成三个可辨认的层次：

哲学层可以稳定而表达层变化。例如“部分通过整体关系获得意义”可转为：局部修饰 必须回到完整区域判断；共享修改要看有差异的消费者；多 Agent 的贡献要在合成版本 验证接合。它不是要求每轮重读哲学或扫描全产品。不能让理论名词替代这些工作关系。

一张短基因卡说明来源/父代、核心关系、适用前提、与父代的实质变化、怎样影响行动、 失效反例及证据状态。只在存在竞争方法时补表达控制，不要求所有卡具有全部字段。 卡是实验源，执行者获得它翻译后的冻结指导与任务，不必承担谱系和选育研究。

显性、隐性与组合

两个父代在同一个决定上提供不同方法时，保留这组竞争关系，并说明当前谁主导、 什么时候唤醒另一方法。隐性指本情境暂未表达，不表示较差，也不表示已经可靠。

例如 A 倾向恢复已有秩序，B 倾向重编构图。已有语言成立、问题局部时表达 A；参数 已正确但内容关系仍散、现有组织阻碍目标时表达 B。切换依据要来自画面与任务，不能 只是给“创新”更大的任意权重。未知足以改变选择时可分支试作，比较后再收束。

互补方法可共同表达或按依赖先后表达，例如独立观察之后汇合证据。真正互斥的方法 不能并列成两条必须指令，交由同一决定负责人根据前提选择，或用隔离分支检验。 找不到可辨的主导与切换条件，先保留两个候选，不为交叉硬造一个折中规则。

编译 skill 时，已选择的行为、触发分支与关键约束放在可发现的入口；较少使用的 替代方法按需展开。隐性方法若会改变下一步，就须有可找到的唤醒入口；没有当前 用途的储备留在实验材料中，不让每个执行者加载全部祖先。未加载/未触发/受能力 限制/表现失败分别记录，不能把没有表达算成通过。按原始任务判断适用性；适用却未 加载、未触发或误判切换条件，是当前可执行候选的失败，不从适用数中移除。只有本来 不适用才不要求表达；隐性储备不能事后成为逃避失败的解释。

走量靠短候选和多种变异来源

初期大量生成短基因型，少量翻译为完整指导，更少进行完整领域任务。批量规模是 本次实验预算，不能成为执行 Agent 的固定问题数、工具顺序或纠错轮数。 批次分别约定并报告生成、实质不同、已翻译、已使用、实际作品和用户可选产物的数量。 如果目标是大量UI试作，应让较多候选完成含真实内容和关键动作的局部作品，再少量 扩大到多页面；不能用一百张文字卡加两份作品宣称完成一百次UI演进。 按行动差别去重：若同一情境里对象、选择和下一动作都没变，换标题与人格不能充数。

可同时采用以下变异来源，再按实际后果调整生成资源：

• 局部变异：改变一个工作关系，例如扫描单位、汇合时机、反馈取样或信息披露。 便于解释，但不承诺一个关系必然有收益。
• 删减与抑制：移除重复阅读、冗余角色或无依据门禁，保留必要合同，比较收益与退步。
• 从失败提炼：从漏检、误判、交接损失或组合退步提出机制；不把本题坐标变成必改答案。
• 重新生成：部分生成者只拿目标和环境，不读当前赢家正文，探索其他组织方法。
• 理论与实践移植：将不同来源发展为行动关系，标前提、取舍和反例，允许来源失效。
• 交叉：重组父代的互补关系，处理重叠、依赖和竞争表达，不拼接两份长文。
• 表达变异：保持对象、关键判断、动作、责任和转向关系不变，改变措辞、呈现或 不影响这些关系的信息组织，单独检验译法；改变上述关系就属于方法变异。调整顺序 若改变了独立观察或关键选择，也不能只称文字翻译。

优先交叉已有局部证据且作用互补的父代；没有证据的交叉仍可探索，但标为假设。 子代不自动继承父代性能。特别检验组合的新增责任、信息负担、共享写入与验证接缝。 不能把所有赢家合成越来越长的唯一祖先。

变异器和翻译器也可改进，但与领域基因型分开版本。同一轮同时改变方法、译法、 预算和评估器只能支持混合观察，无法解释谁带来改善。普通表达纠正不算新的方法物种。

翻译成 Agent 能执行的指导

让翻译者接收冻结基因型、领域任务类别、实际环境能力和必要合同。形成默认入口、 对象与分工、判断分支、资料与工具入口、交接、完成和返回；不要求复制所有理论。 每个承重关系能在表达中定位，每个新增必做步骤有任务或方法依据。缺知识/制作手艺 时补有用资料，不能只把哲学翻成更强的角色形容词。

先核对表达是否遗漏关系、将条件改成普遍禁令、隐藏关键指导、默认创造工具权限， 或让两位 Agent 同时拥有共享写入/最终决定。纯格式检查只能发现机械问题；语义忠实 需要独立判断，实际是否有用仍须执行。

同一基因型表现不佳时，先区分译法失真、没有激活、工具能力缺失与方法本身无效。 关键判断不明可换一个译法短探针，不立即淘汰哲学，也不无限用“翻译不好”保护方法。 修译法或接合要有遗漏、误导或能力缺口的证据；哲学暂未被否定，不等于当前方法有效。 比较译法时固定基因型；比较基因型时尽量固定译法原则、环境与可用预算。

小轮次由 Agent 选择

先固定本轮目标、比较基线、任务材料、接受依据及资源上界。沿 质量评估 用最便宜的充分证据分配试验：

1. 批量 L0：检查实质差异、语义/依赖/接合缺陷，保留基线、互补分支和不确定探索。 这是方法筛查，不是性能排名；少量看似弱或低分候选也可抽查，防止筛选器误杀。
2. L1 短探针：让独立执行者使用已翻译指导作出局部判断或交接，不给预期答案。 给出可解释的失败和适用数，不用会讲道理代替发现与制作。
3. 局部实做/L2：将关键未知转为实际修改、动作和产物；只扩大能改变选择的比较。 保留原始条件、反例与合理差异，重看原症状、组合接缝及消费者。
4. 选育与下一变异：按逐类结果和成本选保留、缩小、修译法、修方法或淘汰。 被揭示的留出案例成为开发材料，补新的留出，不反复用已知答案宣称迁移。

保留逐任务族结果、整题合同是否成立、严重回归、误判/误阻断、虚假完成、协作损失 和实际成本。审美偏好与可靠性分开；漂亮不能抵消错误对象保存或不可用动作。 静态评分、多个同源评审一致与产物自评均不能作为唯一适应度。

新接线的回放工具或相互矛盾的结果也要核实：用已知行为检查对象定位、状态呈现和 比较时点；合法载体改变就适配可见操作入口，不把旧脚本假设当用户合同。评价器错误 保留原错报及修正依据，以同一接受语义复验，不将错报归给基因或为通过而缩小产品能力。

保留基线，以及在不同真实情境中表现有效的互补候选；不要只繁殖平均最高分的一支。 新颖性用有证据的行为差别判断，尚未执行的分支只称有差异的假设。各项结果不齐或 条件不匹配时保留未知，不输出虚假的稳定概率。界面越大、接合越多，越需要组合验证。

无新增有效差异、环境受阻或本批预算到达时，保存现有成果和下一未知。候选一时 没有胜出不要求机械繁殖；回到观察、参考或缩小问题可能更有收益。

大轮次交给用户

达到可比较的完整产物、出现方向取舍或本批研究边界时，提供少量代表候选。准备相同 内容/状态下的匿名画面、可操作预览、主要交互与已知回归、成本和取舍，不把几段 DNA 理论或自评分当作用户可评的设计。无有效候选时明确给基线与失败解释，不强迫择优。

Agent 已经在授权范围内筛掉有证据的错误、整合并验证；用户选择审美、价值排序和 方向，包括保留多个、选择混合方向、全不满意或保留基线。喜欢一张图不等于合同及 全面传播已验收。未解决关键缺陷可作为明确标注的探索方向展示，不称可靠赢家。

将用户选择保存为本任务的产物方向与偏好约束；方法父代仍依据冻结候选的逐类表现和 成本选择。可从喜欢的产物重新提出方法假设，不直接给产生它的整份DNA授予优胜。 展示已有跨案例结果及实际人工补救，不能把主 Agent 兜底的收益归给原候选。 不把一次偏好变成全局审美标准。 用户没有选择前不擅自宣布大轮次方向已接受；等待这一决定不妨碍不依赖它的检查。

在现有宿主中实现

实验侧只保存基因型/谱系、冻结指导、任务版本、产物与证据位置、选择理由及原执行 定位。Run、并发、权限、取消、恢复和费用边界使用实际宿主机制，不建第二份执行状态。 普通目录与一个简短批次记录足够起步；表达是实验源的派生产物，执行时固定版本。 冻结包括承重的按需资料和依赖方法，而不仅入口文字。宿主若按名字读当前目录，应 保存独立版本包、显式绑定必要依赖，避免排队/执行/原身份恢复时读取可改的共享祖先。 记录包路径和hash不等于runtime已提供内容不可变保证。

在交接中确认接收者实际可用的 skill 读取、工具、浏览器/图像能力、工作目录、预览和 并发。独立候选写入隔离副本；团队内部共享文件有唯一写入负责人，读可交叉。候选 之间隔离不等于团队内部无需协作。多 Agent 方法也应与适用的单 Agent 基线比较总成本。

若宿主支持独立任务批量提交，使用其公共接口有界派发；若只支持当前会话委派，用 现有创建/消息/等待能力组织短批次，不声称已得到无人值守系统。由支持委派的会话或 外层宿主实际派发独立执行；Runner没有子任务能力时，单Agent模拟角色对白不能算 多Agent基因已表达。独立诊断/评审任务只交原始目标、必要材料与表达，不默认继承 生成者的期望结论、评价或答案；评审实际作品时可隐去作者、谱系和自评。 并发参数只是上界，是否接纳以实际派发结果为准；暂受限可顺序完成独立贡献，不能 把模拟角色当作已派发。串行锁、目录互斥与共享浏览器会限制吞吐；大量排队不等于 大量有效执行。宿主没有总金额封顶时，不能 用作业数量或超时冒称严格费用保证。

可复用确定性脚本准备快照、哈希和公开材料，实际变异、语义翻译与选择由 Agent 作。 不为孵化增加动作 DSL、永久组织层或自动循环服务。实现新增工具要对应观察到的 重复负担；调度组合是否成立、技能/资料是否冻结要核代码与现场，不从接口名推定。

理论来源与证据范围

本方法将已有孵化/评估关系与外部研究相接，具体选育策略仍需本地验证：

• Promptbreeder 演进任务提示和变异提示，为多来源 变异与变异器自身反馈提供参考；原实验不证明 UI 方法基因型或显隐性有效。
• GEPA 使用执行轨迹反思、局部更新和候选保留，支持 从具体后果修方法。跨模块组合仍需验证，不把论文实验收益复制为本地性能。
• MAP-Elites 按变化特征保留不同区域的优秀解，启发 互补分支保留；我们使用少量可解释分支，不要求建立固定高维网格。

方法基因型、条件表达和哲学转译是这里提出的设计，不是假借这些论文的既有结论。 交付说明已经做到哪层、谁选了什么、依据是什么，尚未表达/实测的基因仍保留未知。

Skill 的使用前评估与低成本校准

用于孵化候选、比较版本或检查评估器；普通任务不必评分。目标是用便宜的证据淘汰明显缺陷、 定位下一处改进，把昂贵实践留给关键未知。这里的量表是待校准设计，不是已验证的性能预测器。 方法发展与证据边界见公开方法摘编，该摘编不包含原完整形成记录。

分开设计质量、决策表现和任务效果

• L0：读文件、核对依赖并作情境推演，评价使用前设计质量；不执行领域任务。
• L1：独立 Agent 接收短情境，选择下一行动、定位资料或处理局部交接；成本较低，已经是 skill 使用，不能称为纯静态检查。
• L2：隔离环境中的真实任务或完整样板，检查实际产物、过程、回归与成本。完整静态设计 也可属于 L2，但证据仅到静态表达，不证明交互或运行效果；L1 只处理局部决定或动作。

格式有效、结构评分、微探针成功和完整任务效果分别报告。只跑 L0 时可以判断设计缺陷和 试验优先级，不能声称已可靠执行、审美已改善或具有某个成功概率。流程符合不等于目标正确。

先冻结比较条件与关键关系

记录候选版本、任务类别、接收模型与宿主假设、允许能力、最近邻方法和此次未知。把任务 所需的关键决定、必要约束和适用失败情境列为评估单位；它们来自任务、合同及独立案例， 不能只从候选正文提取，否则遗漏的责任会从分母消失。

核对指标是否只证明了较容易的邻近目标。例如自主发现排版问题、生成方案与形成有效 设计是不同结果，前两项不能替代第三项。用户反馈击穿这个对应关系时，重评既有产物 并修正下一次实验；不要把原成功保留为完整成功，也不把“仍需打磨”写成泛化免责。 评价单位的粒度也要与声称的能力对应：整体任务成立不为未看的内部组成代签。 例如UI的对象/保存合同、整体组织和控件工艺分别取证；整屏缩览与无几何警报不能 代理内部留白。目标包含这一层而观察不足时补相应局部，不能把它改成不影响使用就算好。 能为改动作出完整解释，仍可能只是在合理化失败产物；核对实际形式与结果，不按术语 丰富程度评价方法增益。用户已否定的产物保留为反例，不靠重写理由恢复其成功地位。

比较无 skill、已有方法与候选时保持任务条件相近。成熟参考只在其证据支持的领域有效； 结构清楚的 skill 是设计参照，不能因知名或被收录就当作效果已证明的对照。 新旧版本与组合方法按实际成本一起比较，不靠增加预算或减少要求制造优势。

八维设计量表

每维评分使用 0–4 的有序档位，附正文或资源定位及一个具体判断；不数标题、禁令或例子。

统一档位用于表达判断强度，不是算出的客观性能：

• 0：对应的关键关系缺失、矛盾或明确误导。
• 1：提到了目标或活动，但无法恢复如何判断和行动。
• 2：普通路径能执行，仍有影响取舍的适用条件、分支或接合缺口。
• 3：此次任务类别中的关键关系完整、自洽，正常和适用失败情境可推演。
• 4：在 3 的基础上，独立于作者预设的边界或迁移案例仍能由同一关系解释，无需逐例补丁。

4 分仍可能只是静态推演；它不代表真实执行已验证。小型 skill 不因没有复杂流程而扣分， 审美方法不因允许手艺判断而扣分；只评价它承担的实际责任。没有必要责任的维度标 N/A， 材料不足标 U，不能把 U 当满分或用额外空话补齐。对 2/3 等分歧保留区间和理由。

以八维向量、最低关键维度和具体缺陷为主。若需同类候选的粗略汇总，完整评分时可使用 S = 100 × Σ(wᵢsᵢ) / (4Σwᵢ)，初始等权只为展示，不是研究证明的权重。事前确定适用 维度与权重，不随候选改分母；有 U 时报告区间或不汇总。N/A 比例不同的 skill 不直接排名。 这是有序档位的约定性汇总，80 分不等于 80% 成功率，也不设通用的自动采纳阈值。

权限越界、错误方法、无法满足的能力前提、虚假完成或关键依赖失效单列为具体阻断，不能 被平均分抵消；阻断哪种任务就说明哪种，不据此给整份 skill 宣判失效。

可量化的辅助指标

这些分母和语义需要人或独立评审确认，不是关键词 regex 可以可靠计算的指标。

L1 再测触发 precision/recall、合法路径误阻断率、关键约束遵循率、决策正确率、资源定位 成功率和失败后正确转向率。每项给成功数/适用数，样本量与未知；小样本不写小数点精度。 要求必须同时成立的情境另报整题通过率，不用逐项平均掩盖关键失败。允许多条正确路径。

校验评估器，再用它改孵化器

从相同 skill 制作少量有明确差别的匿名版本，例如把按需调研改成每次全读、删除消费者 复验、把真实观察改成自评、把偏好变成必须满足的参数。缺陷必须有独立可解释的受损情境。 再作保持语义的改写、换标题、换顺序或加重复文字，检查评分是否无故改变。

评审者不知道版本来源、作者、预期优劣或缺陷标签；阅读评估任务和原始材料后给逐维证据， 再揭示差别核对。必要时交换顺序或请第二评审，只复核会改变决定的分歧。 统计缺陷检出率、无害改写误报率、配对排序准确率与换序一致率；保留原始数量，不只报 一个平均值。一致只说明可重复，不能代替判断正确；作者自评不能是唯一接受依据。

缺陷变体检验评分器能否识别预设问题，不证明静态得分预测运行效果。校准材料与留出 材料按原始任务/skill 家族分开；同一正文的多份改写不能伪装独立样本。不要把隐藏答案 塞进 skill，也不要让孵化器与评估器共同改题来追求更高分。

孵化器怎样形成稳定能力

复用 skill-incubator 的工作流：冻结问题与已有方法，生成候选，经 L0 定位 缺口，再按关键未知投入 L1/L2。只改具体错误的核心、接线或表达，不以补满评分表为目标。 每次留下注明版本的领域修订与孵化修订，评估标准在比较期间保持不变；确需改量表时 重新评旧版或明确不可比较。

以多个任务家族的留出结果检查：候选相对既有方法的胜/平/负与退步原因、关键缺陷比例、 误阻断、达到可用候选的修订成本，以及结构评分对实际失败是否有排序预测力。不能只看 平均质量，少数严重退步与跨案例波动也要报告。同一孵化器的独立重复产出用于检查稳定性。

静态评分与少量 L2 结果积累后，可以用按任务家族留出的排序相关、缺陷预测 precision/ recall 等检查代理指标。样本不足时只分析案例，不拟合复杂权重；只挑高分候选实测会产生 选择偏差，需按成本保留中低分和不确定案例的抽查。模型、宿主或任务域变化后重查适用性。 只有有数据支持时才能给条件化性能预测或减少对应实践；不能承诺有限测试证明永远可靠。

UI 候选的低成本探针示例

短情境的正确关系提前由任务合同确定，不要求唯一动作文本：

这些探针可先作 L0 推演，交给 Agent 回答才是 L1；能作对决策也不证明能制作出好看的 UI。 审美提升仍需要实际画面、交互及用户反馈。评价 UI skill 的方法设计与评价它产出的 UI 分别进行，不能让理论名称、排版术语或评审自信程度代理美感。