l_dongyang的博客

EvoSkill 是一个不修改模型权重的 Agent 能力自动进化框架。它通过类似进化算法的迭代循环（选择、变异、评估、淘汰），自动发现和优化Skill 文档（或 System Prompt），使 Agent 在特定任务上的表现持续提升。

SkillOpt 是一个不修改模型权重的 skill 自动优化框架。它通过类似神经网络训练的循环（epoch、batch、learning rate、validation gate），迭代优化一个Skill 文档，使 Skill 在特定任务上的表现持续提升。Figure 1: SkillOpt 整体流程。Target 模型使用当前 Skill 执行任务；Optimizer 模型将执行轨迹转化为有界的 add/delete/replace Skill 编辑指令；

在 Claude API 中，每个独立的内容单元就是一个"块"例如：一条系统消息、一个工具定义、一条用户消息、一条助手回复每个。

模型消息主要包含system prompt、user、assistant三种类型，其中system prompt一般用于制定规则、角色定义等静态和全局的信息，是相对静态的，kilo作为agent需要感知当前状态，因此在user消息内会构建EnvironmentDetails，主要涵盖当前项目环境、用户设置、文件列表等状态信息，帮助模型更准确地理解当前环境，做出决策。System Prompt（系统提示词）是 Kilo Code 与 AI 模型交互的核心指令集，它定义了：Kilo 的 System Promp

模块化设计：工具按功能分组，便于管理和扩展按需加载：根据工作模式和配置动态启用工具安全可控：严格的参数验证和权限控制可扩展性：支持 MCP 协议集成第三方工具用户友好：清晰的工具描述和使用示例// 工具基类// 工具参数名称// ... 更多参数] as const// 工具显示名称// ... 更多工具// 工具使用接口// 具体工具类型（示例）是一个开放协议,允许 AI 应用与外部工具和数据源进行标准化集成。核心概念MCP 服务器: 提供工具和资源的独立进程。

在与 AI 的长时间对话中，会话历史会不断增长，最终可能超出 LLM 的上下文窗口限制。自动监控：实时跟踪对话的 token 使用量智能压缩：当接近上下文窗口限制时，自动压缩历史对话保持连续性：压缩时保留关键信息，确保对话流畅触发方式自动触发压缩：系统自动检测上下文使用情况，达到阈值时自动压缩用户手动触发压缩：用户主动点击 UI 按钮触发压缩用户批准 AI 压缩：AI 检测到需要压缩时，请求用户批准后执行关键设计点存储与传输分离：本地存储完整历史，API 调用时只传递必要上下文智能消息选择。

位置/*** 创建消息流，发起流式 API 请求* @param systemPrompt - 系统提示词* @param messages - 用户消息列表* @param metadata - 请求元数据（可选）* @returns 异步生成器，返回流式响应块*/metadata?/*** 获取当前使用的模型信息* @returns 模型 ID 和模型详细信息*//*** 计算内容的 Token 数量* @param content - 内容块列表。

Running（运行）Interactive（交互）Resumable（可恢复）Idle（空闲）Task 的状态通过taskStatusreturn TaskStatus.Interactive // 最高优先级return TaskStatus.Resumable // 中等优先级return TaskStatus.Idle // 最低优先级return TaskStatus.Running // 默认状态状态优先级。

创作的本质是人类思维、情感与灵感的独特表达，具有显著的无规律性和创意性特征。目前 AI 创作平台凭借强大的数据处理和学习能力，虽能够覆盖新闻撰写、营销文案生成、简单故事续写等基本创作场景，但在质量上仍存在诸多提升空间，大概率并不代表高质量，但随着技术的不断进步和发展，逐步提升 AI 对创作的理解和表达能力，缩小与人类创作质量的差距，会在更多元、更高层次的创作场景中发挥更大价值。

AI Agent是一类以大语言模型（LLM）为核心，具备自主认知、决策、行动与迭代能力的智能体。其核心目标是接收用户高层级目标或模糊需求后，无需人工逐步干预，通过整合记忆、规划任务、调用工具、执行反馈的闭环，自主完成问题解决，本质是"模拟人类思考与行动逻辑"的智能化任务处理载体。

Kilo Code 是一个开源的 VSCode AI 编程助手扩展，基于 React 和 TypeScript 构建。项目提供自然语言编程、任务自动化、智能重构等功能，支持多种工作模式（架构、编码、调试）和 AI 模型集成。采用分层架构设计，包含用户界面层、扩展核心层、服务层、工具层和 API 层。支持从 Marketplace 安装或源码构建，提供代码索引、自动补全等高级功能，适用于创建新功能、代码重构和 Bug 修复等场景。

API 层历史（发送给 LLM 的实际对话）- UI 层历史（在界面显示的所有消息）标准格式：严格遵循 Anthropic API 的 MessageParam 格式角色明确：只有user和assistant两种角色工具表示：工具调用作为assistant消息的content块，工具结果作为user消息时间戳：每条消息都有ts字段记录时间压缩支持：支持isSummary标记压缩后的摘要消息丰富类型：包含texttool等多种消息类型交互记录：记录了所有用户交互（ask类型）和系统响应（

content: [id: "...",参见基于 Anthropic 的标准格式，支持文本、图片、工具调用和工具结果通过 AssistantMessageParser 实现增量解析，实时显示和执行从解析到执行到结果返回的完整闭环工具失败、用户拒绝等场景的处理重复检测、自动批准等智能机制。