AI校园活动策划天团Skill演进机制:evolutions经验沉淀如何让多Agent越用越聪明
AI校园活动策划天团Skill演进机制:evolutions经验沉淀如何让多Agent越用越聪明
AI校园活动策划天团是一个多 Agent 协同的校园活动自动策划系统:你只需提供活动名称、类型、规模、日期、场地,它就能并行完成活动方案、预算测算、风险评估和宣传文案,最后整合为一份完整的 HTML 策划方案。这个项目最值得研究的设计,是它的 Skill 演进机制——靠 evolutions 经验沉淀让每个智能体把踩过的坑变成永久记忆,越用越聪明。本文带你完整看懂这套机制的运作方式。
🤝 先认识这支"会成长的"多Agent天团
系统由 1 位 Leader + 3 位专业成员组成,全部基于 WorkSwarm 多智能体框架驱动:
活动统筹总指挥 (Leader) — Skill: event-orchestrator
├─ 预算会计 — Skill: budget-accountant → 预算明细Excel
├─ 风险顾问 — Skill: risk-advisor → 风险预案Excel
└─ 宣传文案师 — Skill: promotion-copywriter → 宣传PPTX + 最终HTML方案
每位 Agent 的行为规则由一份 SKILL.md 定义(如 skills/event-orchestrator/SKILL.md)。如果规则写死,Agent 永远是"出厂水平";而本项目的关键改进,是让 SKILL.md 成为一个可以随经验持续生长的文件。
🧠 Skill演进机制:三层"经验记忆"结构
整套机制由 3 个文件组成,分工清晰:
| 层级 | 位置 | 角色 |
|---|---|---|
| 经验账本 | evolutions.json | 结构化记录每条经验:背景、修改指令、评分、使用统计 |
| 经验详情 | evolution/ 目录下的 md 文件 | 人可读的经验全文,按章节归档(Workflow / Collaboration / Constraints) |
| 经验索引 | SKILL.md 尾部 "Evolution Experiences" 区块 |
Agent 每次执行前自动查阅的"经验清单" |
以总指挥的经验账本 skills/event-orchestrator/evolutions.json 为例,每条经验包含这些关键字段:
| 字段 | 含义 |
|---|---|
id |
经验唯一编号,如 ev_48a6c640,用于在 SKILL.md 索引和详情文档间跳转 |
context / summary |
经验产生背景与一句话总结 |
change |
修改指令:写入 SKILL.md 的哪个章节(section)、追加还是替换(action) |
score |
经验评分,决定可信度与优先级 |
usage_stats |
使用统计:呈现次数、采纳次数、正/负反馈次数 |
applied |
是否已固化应用到 SKILL.md 主体 |
📝 两条真实经验:看经验如何"反哺"工作流
经验一:预算会计学会"完成即待命",不再越界询问
一次真实执行中,预算会计(budget-accountant)最先完成任务,随后反复询问"HTML 整合任务归谁管"——而这件事根本不属于它,结果产生了 2 条无效通信消息。
这次教训被沉淀为经验 ev_f2873585(见 evolutions.json),详情落在 evolution/constraints.md,核心规则是:
- 完成即待命:发完
TASK_COMPLETE信号后静默等待 Leader 新指令 - 禁止越界询问:不主动打听非自身专业领域的任务进度
- 协调权归 Leader:跨模块协调统一由总指挥发起
这条经验最终固化进了 skills/budget-accountant/SKILL.md 的 "Communication Behavior Constraints" 强制章节——下一次执行时,Agent 会自动识别当前场景并遵守,同样的坑不会再踩第二次。
经验二:瓶颈解耦,总耗时从 14 分钟降到 7 分钟
宣传文案师的 PPT 渲染导出耗时约 10 分钟,是整个流程的瓶颈。经验 ev_43049dc0(见 evolution/workflow.md)给出的解法是两阶段解耦:
- 阶段一(快速返回,约3分钟):完成知识库检索和文案生成,先把文案数据路径报告给总指挥;
- 阶段二(异步执行):后台继续渲染导出 PPTX,完成后补报文件路径。
总指挥收到文案数据即可提前启动 HTML 整合,PPTX 生成与整合并行推进,总耗时从约 14 分钟压缩到 6-7 分钟。这条经验同时沉淀进了总指挥的 SKILL.md(Rule 3: Bottleneck Decoupling)和文案师的 evolution/workflow.md——协同双方"对齐"了同一套优化认知。
🔄 经验生命周期:有评分、有统计、有闭环
经验不是"记了就完"。usage_stats 字段会跟踪每条经验被呈现、被采纳、获得正/负反馈的次数,applied 标记则记录经验是否已固化进 SKILL.md 主体。由此形成完整闭环:
执行中暴露问题 → 经验写入 evolutions.json → 生成 evolution/*.md 详情
→ 汇总到 SKILL.md 索引 → 下次执行自动应用 → 统计反馈 → 迭代评分
这个设计的巧妙之处:它让 Agent 的"成长"是可审计的——每条规则从哪里来、被用过几次、效果如何,全部有据可查,避免把偶发错误固化成永久规则。
📂 新手如何查看与参与演进
- 查看总指挥经验账本:skills/event-orchestrator/evolutions.json
- 查看经验详情:skills/event-orchestrator/evolution/workflow.md、collaboration.md
- 查看预算会计通信约束:skills/budget-accountant/evolution/constraints.md
- 查看文案师瓶颈解耦经验:skills/promotion-copywriter/evolution/workflow.md
- 了解完整部署流程:Hands-on-Guidance/readme.md
经验条目会随每一次执行持续累积。你也可以替换 zhishiku/ 知识库中的 PDF 标准、修改 SKILL.md 行为规则来适配自己的场景——这正是"支持二次开发"的核心价值所在。
结语
AI校园活动策划天团的多 Agent 并行协同只是"上半场",真正的护城河是下半场的 Skill 演进机制:evolutions.json 负责记账,evolution/*.md 负责沉淀,SKILL.md 索引负责让经验自动生效。经验可评分、可统计、可回滚,智能体因此具备持续学习能力——团队用得越多,经验越厚,执行越稳、越快。🚀
