convez.ai
SkillAutomaçãoAvançado
L-ingqin12

AEON — Agent Evolution & Optimization Network

L-ingqin12/aeon

Skills e agents que aprendem e evoluem automaticamente de suas conversas

Ver no GitHub
InicialPluginScore · de 0 a 100

Sistema meta-agent que observa suas conversas com Claude Code e automaticamente evoluir skills e agents através de aprendizado contínuo. Implementa dois fluxos: Evolve (otimiza skills existentes) e Bootstrap (cria novos skills a partir de padrões detectados), com rigorosa avaliação de necessidade antes de qualquer ação.

Instalação

$npx convez-ai L-ingqin12/aeon

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
1
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 4 meses
Versão
—
Issues abertas
0
Contribuidores
0

Casos de uso

  • Otimizar automaticamente skills que cometem erros repetidos
  • Descobrir e cristalizar padrões de workflow recorrentes em novos skills
  • Injetar conhecimento e melhores práticas observadas entre conversas
  • Manter memory e preferenciais do usuário sincronizados e atualizados

Veredito

Projeto ambicioso de meta-automação que trata skills e agents como organismos vivos. Bem concebido em arquitetura e filosofia (script-first, necessity gates), mas em estágio conceitual/referência — implementação real em JavaScript seria significativa e requer integração profunda com Claude Code.

README

A tradução para o português deste README ainda está na fila.

🧬 AEON — Agent Evolution & Optimization Network

让 Claude Code 的 Skills 和 Agents 像生物一样进化——从对话中学习,自动优化自身。

Concept Status License


一句话概述

AEON 是一个元级 Agent 系统。它不直接解决用户问题,而是观察你与 Claude Code 的对话,自动发现改进机会,生成并验证 Skills/Agents 的进化版本。

解决什么问题?

AEON 回答三个问题:

  1. 研究: "外部有哪些更好的方法?" → 知识注入
  2. 进化: "这个已有的 skill 可以更好吗?" → 存量改进
  3. 引导: "该有一个新 skill 来做这件事吗?" → 增量生长
问题:Skills 和 Agents 写好后是静态的,不会从使用中改进
     ↓
现象:用户反复纠正同一个问题、Agent 重复犯错、好的策略没有被固化
      反复执行相同流程、但每次都要从头描述
     ↓
AEON:研究 → 观察 → 进化 → 验证 → 部署    (Evolve 链路)
      发现 → 必要性判断 → 引导创建 skill   (Bootstrap 链路)
      自动触发 · 跨会话学习 · Fan-out 并行   (Autonomous)

核心原则

脚本优先 (Script-First): Skills 封装思考,脚本封装执行。封闭世界问题用脚本(零 token,100% 准确),开放世界问题用 Skill。

如无必要,勿增实体: 新建 skill 是最后选择。脚本 > Memory > 进化已有 > 新建。7 道关卡严格把关。

真实场景

场景没有 AEON有 AEON
用户3次指出遗漏了安全检查手动修改 skill 指令🔧 Evolve: 自动添加 Security 维度
Agent 发现"先画图再列步骤"100%成功策略丢失在对话记录中🔧 Evolve: 策略注入 Agent prompt
用户偏好的框架从 Jest 变为 VitestMemory 中的旧信息一直留着🔧 Evolve: 自动更新 memory
用户反复手动做 部署→检查→通知每次重新描述流程🌱 Bootstrap: 6关通过后自动创建 deploy skill
用户3次手动排查日志同一套流程没有意识到可以固化🌱 Bootstrap: 发现模式→判断必要性→创建 log-analyzer skill
一个简单偏好("用yarn不用npm")被误建为skill过度工程化⚖️ Necessity Evaluator: Gate 5 拒绝→改为 memory

核心架构

AEON 有两条互补链路:

┌──────────────────────────────────────────────────────────┐
│                      AEON System                         │
│                                                          │
│  🔬 Research →  🔧 Evolve →  🌱 Bootstrap                 │
│  👁️Observer → 🔍Analyzer → 🧬Evolver → 🛡️Fitness → 🚀Deploy   │
│  🔎Discoverer → ⚖️Necessity(7关) → 🏭Bootstrapper        │
│  ⚡ Autonomous: 自动触发 · 跨会话 · Fan-out 并行            │
│                                                          │
│  ⚖️ Necessity Evaluator 是守门人                          │
│  "如无必要,勿增实体" — 默认答案是 NO                       │
└──────────────────────────────────────────────────────────┘

快速开始

安装

将 AEON 的 skill 和 agent 定义添加到你的 Claude Code 项目中:

# 克隆 AEON
git clone https://github.com/L-ingqin12/aeon.git

# 将 skill 添加到你的项目
cp -r aeon/skills/evolve .claude/skills/evolve

# 将 agent 定义添加到你的项目
cp -r aeon/agents/ .claude/agents/aeon/

# 初始化 AEON 存储
mkdir -p .claude/aeon/genomes
echo '[]' > .claude/aeon/evolution-history.jsonl

第一次使用

/evolve

运行后你会看到:

进化链路 (Evolve):

  1. 对话分析摘要
  2. 发现的改进机会(已有 skill/agent)
  3. 建议的进化方案
  4. 自动应用的低风险改进
  5. 需要审查的中高风险改进

引导链路 (Bootstrap): 6. 发现的重复工作流模式 7. 6 关必要性判断结果 8. 通过验证的新 skill 定义 9. 降级为 memory 的简单模式

日常使用

# 对话结束后自动触发(通过 Hook)
# 或在需要时手动触发
/evolve                    # 完整进化循环
/evolve review             # 审查待处理的进化
/evolve status             # 查看进化状态
/evolve history code-review  # 查看 skill 的进化历史
/evolve rollback code-review  # 回滚到上一版本

文件结构

aeon/
├── README.md                           # 本文件
├── DESIGN.md                           # 完整架构设计文档(含两条链路)
├── LICENSE                             # MIT 许可证
│
├── skills/
│   └── evolve/SKILL.md                 # /evolve skill 定义(子目录格式)
│
├── agents/
│   ├── observer.md                     # Observer — 对话信号提取
│   ├── evolver.md                      # Evolver — 核心进化引擎
│   ├── fitness-evaluator.md           # Fitness Evaluator — 质量守门人
│   ├── workflow-discoverer.md          # Workflow Discoverer — 重复模式发现
│   ├── necessity-evaluator.md          # Necessity Evaluator — 7关必要性判断
│   └── skill-bootstrapper.md           # Skill Bootstrapper — script/skill 双模式生成
│
├── tools/
│   └── evolution-engine.js            # 完整双链路 Workflow 脚本(概念参考实现)
│
├── hooks/
│   └── settings.json                   # Hook 配置(自动触发进化)
│
├── examples/
│   └── evolution-cycle.md             # 完整进化周期示例
│
└── memory-templates/
    └── evolution-preferences.md        # Memory 模板(记录进化偏好)

进化模式

模式风险自动应用?示例
incremental低✅ 是措辞优化、示例添加
guided中⚠️ 审查后策略调整、工具变更
major高❌ 需确认重写指令、行为变更
experimental未知🔬 A/B测试新策略探索

必要性判断(7 道关卡)

关卡问题失败路径
G0 脚本优先 ⭐封闭世界(已知路径+结果,异常可枚举)?🔧 脚本 + 薄 wrapper
G1 频率最近50次对话出现 ≥3 次?🗑️ 不处理
G2 稳定性步骤序列已收敛?📝 memory + "evolving"
G3 边界触发/输入/输出清晰?📝 memory
G4 重叠现有 skill 不覆盖?🔧 进化现有 skill
G5 复杂度≥2/4 复杂度指标?📝 memory
G6 路由不造成触发冲突?⚠️ 重新设计

Script vs Skill

脚本Skill
问题封闭世界开放世界
路径确定,已知分支不确定,需要分析
示例grep ERROR | sort | uniq -c"分析这些错误的根因"

变异算子(进化链路)

算子描述风险
prompt_clarify增加具体指令和场景覆盖低
tool_add添加缺失的工具中
tool_remove移除无效的工具低-中
strategy_inject注入成功策略模式中
trigger_tune调整触发灵敏度低
knowledge_update更新过时的 memory低
example_add从成功对话提取 few-shot低
constraint_add添加禁止规则低-中

安全设计

  1. 沙箱执行 — 进化在隔离的 Git worktree 中进行
  2. 变更审计 — 所有进化记录在 Git 历史和 evolution-history.jsonl 中
  3. 人工把关 — high-impact 变更需用户确认
  4. 自动回滚 — 适应度下降超 10% 自动触发回滚
  5. 速率限制 — 每 24 小时最多 5 次进化(3 次自动应用)
  6. 渐进推广 — 重大变更支持金丝雀部署

设计理念

观察优于假设

所有进化基于真实对话数据。AEON 不会凭空猜测应该如何改进——它从你的使用模式中学习。

如无必要,勿增实体

新建 skill 是最后选择。Memory 优先,进化次之,新建最末。6 道关卡确保每个新建的 skill 都是必要且经过验证的。

渐进优于激进

小步快跑。每次只改一个维度,每个进化都可以独立回滚。没有"大爆炸"式的重写。

人在环中

AEON 是增强工具,不是替代品。低风险变更自动应用,高风险变更始终需要你确认。

适用场景

✅ 适合:

  • 有多个自定义 skill/agent 的活跃用户
  • 团队共享 skill 库的场景
  • 需要持续优化 agent 行为的长期项目

⚠️ 不太适合:

  • 偶尔使用 Claude Code(信号不足)
  • 只用默认 skill 和 agent(无自定义实体可进化)
  • 对话高度多样化且每次上下文截然不同

贡献

AEON 本身也是一个可以被进化的系统!如果你有改进建议:

  1. Fork 这个仓库
  2. 创建一个进化提案(Evolution Proposal)
  3. 提交 PR

许可证

MIT — 自由使用、修改、分发。


"The best agents aren't written — they're evolved."

Ver o original no GitHub

Bom para

Relacionados