16gagent/playbooks/agent-evolution.md

Playbook: Agent Evolution Task

适用: 深度学习外部项目 → 提取能力 → 增强自身 来源: 2026-06-03 Agent Evolution Mode 实战 结果: 5h 完成预估 42.5h 的工作

---

Phase 1: 源码分析 (并行)

Step 1: Clone 源码

mkdir -p repos/ && cd repos/
git clone <repo_url>

Step 2: 并行分析

对每个项目 spawn 子 agent:

任务: 深度分析项目 X
分析维度 (10 + 9 = 19 项):
  项目分析: 解决的问题/架构图/模块/数据流/Prompt/Agent/Memory/Context/Tool/可迁移
  源码分析: 核心算法/Agent Loop/MCP/Tool Routing/Context/Memory/Planning/Reflection/Self-correction
输出: repos/analysis/X-analysis.md

Step 3: 检查分析质量

每个分析文件应 ≥ 500 行，包含代码引用（文件路径+行号）

---

Phase 2: 方案设计

Step 4: 能力矩阵

当前能力 ← 完整度评估 (✅✅⚠️⚠️❌❌❌)
缺失能力 ← 三个项目谁补充

Step 5: 架构设计

融合后架构图 (ASCII art)
优先级排序 (投入产出比 × 风险 × 缺失度)
MVP 定义 (最小可验证单元)

Step 6: 代码修改计划

Phase 0/1/2/3/4 每个阶段的文件清单 + 预估工时

---

Phase 3: 分阶段实现

Step 7: P0 MVP (先上线)

• 选 2-3 个"不改架构就能用"的能力
• 每个模块写完立即 node module.js 测试
• 目标: 1-3h 出第一个可用的版本

Step 8: 按 Phase 递进

• 每完成一个 Phase → 全量集成测试
• 发现模式 → 写入 patterns/
• 发现反模式 → 写入 reflections/

Step 9: Skill 化

• 每个能力模块 → 一个 Skill 文件
• Skill 包含: When/How/Commands/Integration Pattern

---

Phase 4: 反思与沉淀

Step 10: 记录反思

成功经验 × 5 项
失败经验 × 4 项
设计模式 × N 项
下次改进 × 3 项

Step 11: 提取模式

每个可复用模式: 问题/方案/适用场景/反模式

Step 12: 更新记忆

在 memory/daily/ 写入今日总结

---

关键决策点

决策	建议
用 sub-agent 并行分析	✅ 3 个项目同时跑，2-3 分钟完成
遇到不兼容的依赖	自写替代，不换依赖
实现顺序	低风险高价值先做 (P0)，架构改动大的后做 (P3)
测试策略	每个模块写完即测，不等全部写完