llm-wiki 自我优化 2026-07-01
llm-wiki 自我优化 2026-07-01
今天从内容更新中学到什么
今天的两个高价值来源分别指向 llm-wiki 的两个改进方向：
| 1. [[agentops-coding-agent-verification | AgentOps coding-agent verification membrane]] 强调 No verdict = not done。知识库更新不能只记录“创建了页面”，还应记录 raw 是否保存、页面是否写入、索引是否更新、链接是否可解析、向量索引是否重建。 |
| 2. [[lilian-weng-scaling-laws-carefully | Lilian Weng — Scaling Laws, Carefully]] 强调在有限预算下做可外推的分配。对 wiki 来说，这意味着少做重复浅摘要，多做可复用深页面、跨来源综合和失败模式总结。 |
今天已做的低风险优化
- 本次新增 source 页面都包含「为什么重要 / 机制 / 关系 / 可执行启发 / 失败模式 / 写入记录」。
- 将 AgentOps 的 verification membrane 补入 Harness-Engineering、Agentic-Coding 和 Agent-Benchmarks，避免它只是孤立 source。
- 雷达发现从 Karpathy 单点扩展到 GitHub 高信号工具与 Lilian Weng 博客，符合“Karpathy 只是 seed，不是重点”的方向。
后续建议
- 在 AI 雷达 cron 的最终 QA 中固定加入 targeted link check +
wiki-vquery index --reindex结果摘要，形成轻量 verdict。 - 为 wiki ingest 设计一个最小
.agents/_meta/evidence风格记录：每次深度入库记录 raw hash、变更文件、验证命令和结果。 - 把 “independent verification for coding agents / validation membrane / repo-native agent ledger” 加入后续 radar 关键词，持续观察 AgentOps、aharness、Open SWE、Orca 等工具是否形成稳定模式。
- 对 scaling laws 方向，后续可补一个正式 concept 页面，把 Chinchilla、data-constrained training、repetition discount 和 nanochat 实验设计串起来；今天先作为 source 入库，避免过度扩张。
2026-07-01 15:00 补充：技能自学习与配置 lint
下午雷达发现的两个来源把 llm-wiki 自我优化从“内容发现”推进到“流程质量控制”：
| 1. [[self-learning-skills | Self-learning skills for AI coding agents]] 提供 experience harvesting 的 promotion gate：只有有真实通过检查、命名失败模式、记录至少一个排除死路的经验，才应升级为自动加载 skill。对 llm-wiki 来说，这能避免把一次性猜测、未验证命令或浅层偏好写成长期规则。 |
| 2. [[agnix-agent-config-linter | Agnix agent config linter]] 把 CLAUDE.md、AGENTS.md、SKILL.md、hooks、MCP 配置视为 lintable artifacts。对 Hermes 来说，cron prompt、skill frontmatter、wiki schema 都是“agent 行为配置”，需要静态检查和样例触发验证，而不是写完即信。 |
今天追加的低风险优化
- 更新 External-Agent-Skills-Design-Patterns：新增“Experience harvesting with promotion gates”和“Agent configuration lint as a quality gate”两个模式。
- 今日雷达继续偏向知识点价值而不是 Karpathy 单点：从 GitHub 高信号结果中筛选“自学习技能闭环”和“agent config lint”两个可复用机制。
- 对没有足够可访问深度或容易变成工具列表的候选（如 meta-harness、guard/security wrapper、技能 marketplace 数量型仓库）暂不晋升，避免把 wiki 变成薄工具目录。
后续建议
- 为 llm-wiki cron 增加一个 session-end harvest 小节：本次是否产生 verified golden path？如果没有 passing check，不写入 skill，只写入优化建议。
- 把 “agent config lint / SKILL.md lint / AGENTS.md lint / prompt CI” 加入下午雷达关键词；这类来源比单纯 skills 大合集更有长期工程价值。
- 后续可评估是否安装或离线试跑 Agnix；在正式接入前先把它作为人工/agent checklist 来源，避免引入未经审查的外部工具执行风险。
- 对 self-learning 类工具保持保守：自动 harvest 只适合低风险流程；涉及凭证、生产系统、跨 profile 写入时仍必须遵守 Hermes 的安全边界。
写入记录
- 2026-07-01 09:00 CST：新增当天自我优化文章，总结 AgentOps 与 scaling laws 对 llm-wiki 流程和雷达范围的启发。
- 2026-07-01 15:00 CST：追加 self-learning-skills 与 Agnix 带来的技能自学习、promotion gate、agent 配置 lint 优化建议。