什么是Error-Driven Evolution
Error-Driven Evolution 是一个专为 AI 智能体设计的结构化错误转化规则学习系统。其核心理念在于将每一次犯错或接收到的纠正转化为可执行的规则，而非停留在反思或道歉层面。当智能体在执行任务过程中出现错误、被用户明确纠正、重复犯相同错误，或在即将重蹈覆辙的‘近失’时刻，该系统会被激活。它要求智能体立即停止当前行为，不进行冗长的道歉，而是迅速识别问题类别，并以一种清晰、直接的方式将经验提炼成一条条具体、可操作的规则。这些规则随后会被写入智能体工作区中的 `lessons.md` 文件，形成一个不断积累的个人知识库。这种机制旨在让智能体能够主动从过往的错误中学习，并将其内化为决策时的指导原则，从而持续提升其可靠性和效率。
核心功能特点
- 将错误和纠正转化为可执行规则，而非仅停留于反思。
- 自动生成并维护 `lessons.md` 文件，记录个人经验教训。
- 在关键决策前自动扫描相关规则，形成‘预决策检查’。
- 支持按类别（如数据、沟通、安全等）组织规则，便于快速检索。
- 可选地将匿名化后的规则分享至社区仓库，促进集体智慧。
- 内置社区精选的 `top-100.md` 文件作为基础免疫体系。
适用场景
Error-Driven Evolution 特别适合那些需要高可靠性、强适应性的 AI 智能体应用场景。例如，在一个长期运行的自动化数据处理系统中，智能体可能会因为数据格式的微小变化而解析失败。通过该系统的规则学习机制，第一次失败后，它会记录下针对特定数据格式的解析规则；第二次遇到类似问题时，便能自动触发规则检查，避免重复错误，显著提升系统的鲁棒性。另一个典型场景是客户服务聊天机器人。当用户指出其回复语气不当或信息有误时，系统能立即生成关于沟通风格和准确性的规则。此后，在处理类似咨询时，机器人会先扫描 `lessons.md` 中的 `[COMMS]` 类规则，确保输出符合预期，从而提供更专业、更一致的用户体验。对于需要处理敏感信息的智能体，如财务顾问或医疗助手，该系统能有效防止因越权操作或信息泄露导致的严重后果，通过在 `SAFETY` 类别下积累规则来强化安全边界。