llm-wiki 自我优化 2026-07-28
llm-wiki 自我优化 2026-07-28
今天从内容更新中学到什么
今天的高价值候选集中在四条线：agent topology、field-tested skill admission、action-boundary control、claim-grounded evaluation / operator observability。它们共同指向一个结论：llm-wiki 不应只追求“发现更多 source”，而应让每次入库都更像一个可复盘的 agent workflow。
| - [[graph-engineering-agent-topology | Graph Engineering]] 提醒：知识库不只是页面集合，还应维护实体、关系、事件、来源、融合与任务图。 | |
| - [[hermes-field-kit-skill-admission-contract | Hermes Field Kit]] 提醒：外部 skill 先作为知识学习，进入 active profile 前必须通过 field-tested admission 和验证合同。 | |
| - [[cyvisguard-mcp-security-control-plane | CyVisGuard]] 提醒：无人 cron 的安全边界在 action/tool layer，而不在自然语言自律。 | |
| - [[halu-core-claim-grounded-agent-evaluation | halu-core]] 提醒：最终报告的 claim 必须能回溯到 action/file receipts。 | |
| - [[autodev-studio-repo-kb-sdlc-harness | AutoDev Studio]] 与 [[rimz-agent-fleet-control-room | RimZ]] 提醒：repo KB、任务 localizability、cost board、agent fleet visibility 都是可工程化的上下文/操作层。 |
今天已做的低风险优化
- 强化概念页的完成合同：更新了 Harness-Engineering，加入 topology / action control / claim honesty / operator summary 作为 radar 完成定义。
- 强化上下文关系意识：更新了 Context-Engineering，把 Graph Engineering 的 candidate → source → concept → decision 链作为轻量图谱方向。
- 强化评测诚实度：更新了 Agent-Benchmarks，加入 Execution Reliability 与 Reporting Honesty 分离。
- 强化外部 skill 准入门槛：更新了 External-Agent-Skills-Design-Patterns，加入 field-tested admission contract。
对 radar / 关注名单的调整建议
- 继续关注 agent control plane / MCP firewall / taint tracking / audit trail，这类内容与 Hermes 无人任务安全边界强相关。
- 把 claim-grounded evaluation / agent report honesty / receipts 纳入固定搜索主题，避免每日雷达只追工具而忽略验证。
- 对 skills 生态 的发现要从“高 star / 新 repo”改为“是否有 admission contract、测试、限制、权限说明、真实运行证据”。
未做或暂缓的优化
- 未引入重型知识图谱数据库。当前更适合先用 frontmatter、wikilinks、index/log 和 lint 做 lightweight topology。
- 未自动安装 Hermes Field Kit 或其他外部 skill。外部 skill 涉及 active profile 行为改变，应先审计具体 skill、权限和测试。
- 未把 RimZ / AutoDev Studio 作为工具安装；今天只做方法论入库，避免把 beta / 自报 benchmark 工具直接纳入生产流程。
写入记录
- 2026-07-28 09:00 CST：新增当天 llm-wiki 自我优化文章，总结 agent topology、skill admission、MCP action control、claim-grounded eval 与 operator observability 对 wiki/radar 的启发。