skillopt-sleep

SkillOpt-Sleep：基于使用情况的本地 Claude Agent 自我进化

SkillOpt-Sleep 为用户的 Agent 提供一个睡眠周期。它可以按需运行或按夜间计划运行，回顾过去真实的 Claude Code 会话，通过选定的后端重新执行重复任务，并将学到的内容整合到记忆（CLAUDE.md）和技能（SKILL.md）中。启用默认验证关卡后，它只保留能提高留出评分的更改。只有在明确采纳或用户请求使用 --auto-adopt 时，实时文件才会更改。它旨在改进这位用户的重复工作，并让每项已接受的提案都能在本次运行的留出任务上进行衡量，且无需训练模型权重。这是在部署时训练的对应方式：短期经验 → 长期能力。

它综合了三个理念：

• SkillOpt — 技能／记忆文档是可训练的文本；进行有界的添加／删除／替换编辑；只有通过留出关卡后才会接受；被拒绝的编辑会记录在运行报告中供审查。
• Claude Dreams — 读取过去的会话并在受保护的已学习区块内提出更改的整合流程；输入永不修改，输出会在采纳前经过审查。
• Agent 睡眠 — 定期在后台重放，将经历转化为持久技能。

何时使用此技能

当用户希望进行以下任一操作时触发：

• “让我的 Agent 从我的使用方式中学习”／“我用得越多，它就越好”／“跨会话记住我的偏好”
• 运行夜间／定时或按需的离线自我改进／梦境／睡眠流程
• 审查过去的会话／轨迹并提炼重复任务
• 将反馈整合到 CLAUDE.md 或托管技能中
• 安排周期运行（cron）或采纳暂存的提案

周期（六个阶段）

1. 收集 — 读取 ~/.claude/projects/*/<session>.jsonl + ~/.claude/history.jsonl（只读）→ 会话摘要。
2. 挖掘 — 将摘要转化为 TaskRecord（重复意图 + 结果标签 + 尽可能附上可核查的引用）。
3. 重放 — 在当前技能和记忆的基础上，通过选定的后端重新执行任务 →（硬性、软性）评分。
4. 整合 — 反思失败 → 提出有界编辑 → 在留出切片上进行验证；启用默认验证关卡后，只有评分严格提高才会接受。
5. 暂存 — 将已接受的 proposed_CLAUDE.md 和／或 proposed_SKILL.md，以及 report.md、report.json、manifest.json 和 diagnostics.json 写入 <project>/.skillopt-sleep/staging/<timestamp>/。 不会更改任何实时文件。 被拒绝的运行仍会生成报告，但不会提出替换实时文件的方案。
6. 采纳 — 明确采纳（或选择启用自动采纳）：先备份，再将暂存文件复制到实时文件。

如何使用

建议使用 /skillopt-sleep 命令。它底层调用捆绑的运行器：

"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" status                       # what's happened
"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" dry-run --project "$(pwd)"    # no-staging preview
"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" run --project "$(pwd)"        # full cycle, stages a proposal
"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" adopt --project "$(pwd)"      # apply staged proposal (with backup)

• 默认后端为 mock（确定性运行，不产生 API 费用）——适合试用整个流程。
• 添加 --backend claude 或 --backend codex，即可使用用户的真实额度进行模型驱动优化。留出集上的提升是针对本次运行的证据，并不保证带来更广泛的改进；结果取决于任务、模型和检查项。
• 默认范围为调用命令的项目；--scope all 会收集所有 Claude 项目，并将其纳入当前运行配置的目标中。
• 使用真实后端时，会向其服务提供商发送截断后的对话记录／任务内容。使用真实后端处理敏感会话前，请先查看下方的数据边界规则。

计划任务

"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" schedule --project "$(pwd)" --hour 3 --minute 17
"${CLAUDE_PLUGIN_ROOT}/scripts/sleep.sh" unschedule --project "$(pwd)"

安装夜间 cron 条目。unschedule --all 会移除所有托管条目。

常用 CLI 标志

标志	默认值	描述
--project PATH	cwd	要改进的项目目录
--scope all|invoked	invoked	收集范围
--backend mock|claude|codex|copilot|handoff|azure_openai	mock	后端（mock = 不调用提供方）
--model NAME	backend default	覆盖用于回放的模型
--source claude|codex|auto	claude	对话记录来源
--lookback-hours N	72	收集时间范围
--max-sessions N	derived	限制收集的会话数；默认为最大任务数的 3 倍（使用当前默认值时为 120）
--max-tasks N	40	限制挖掘的任务数
--target-skill-path PATH	~/.claude/skills/skillopt-sleep-learned/SKILL.md	指定要改进的 SKILL.md
--tasks-file PATH	—	已审核的 TaskRecord JSON（跳过收集）
--progress	off	将各阶段的进度打印到 stderr
--auto-adopt	off	如果通过门槛，则自动采用
--edit-budget N	4	每晚最多进行的有限编辑次数
--preferences TEXT	empty	将项目规则添加到优化器的反思先验中
--json	off	输出机器可读的 JSON

CLI 还支持来源/运行时路径覆盖（--claude-home、--codex-home 和 --codex-path）以及特定操作的标志。请以 python -m skillopt_sleep <action> --help 显示的内容为准。

配置键（~/.skillopt-sleep/config.json）

除 CLI 标志外，还可以通过配置控制高级行为：

• preferences — 注入优化器反思步骤的自由文本项目规则（例如“始终使用 async/await”、“答案使用 \boxed{}”）。
• gate_mode — on（默认，验证门槛）或 off（贪心模式，接受所有编辑）。
• gate_metric — hard、soft 或 mixed（默认）。控制留出门槛的评分方式。
• gate_no_regression — 默认为 false。设为 true 时，如果任何验证任务的配置门槛分数下降，则拒绝候选方案。
• dream_rollouts — 大于 1 时，为每项任务启用多轮对比反思。
• recall_k — 大于 0 时，将 K 个相似的历史任务召回到 dream 中（长期记忆）。
• evolve_memory / evolve_skill — 分别切换 CLAUDE.md 与 SKILL.md 的整合。

记忆整合

休眠周期可以整合以下两项：

• SKILL.md — 受管理的技能文件（有限编辑：添加/删除/替换）
• CLAUDE.md — 项目记忆（同样采用有限编辑）

启用默认门槛后，两者都使用同一留出分数进行评估。 设置 evolve_memory: false 可仅整合技能；设置 evolve_skill: false 则仅整合记忆。

硬性规则

• 绝不在此技能中手动编辑用户的 CLAUDE.md / SKILL.md。 应由引擎通过明确的 adopt 或用户请求的 --auto-adopt 路径应用 暂存清单，并首先备份现有的线上文件。
• 收集为只读操作。mock 回放不会产生副作用。
• 真实后端会将截断后的对话记录摘录和派生任务发送到所选提供方，以进行挖掘、回放、评判和反思。Claude 对话记录路径无法保证在这些调用前移除所有秘密信息。 请先查看提供方政策和会话内容。对于敏感数据，请使用 mock，或运行 harvest --output <file>，检查/编辑 JSON，将 "reviewed": true，然后使用 --tasks-file 回放；真实后端会拒绝 未经审核的任务文件。
• 在建议采用之前，始终向用户展示留出基线 → 候选方案的分数和 确切的拟议编辑。先有证据，再采用。
• 如果用户要求在不调用提供方的情况下演示机制，请运行 python -m skillopt_sleep.experiments.run_experiment --persona researcher --json — 这是一个确定性的合成演示，用于展示留出效果提升和门槛拒绝。它 验证的是机制，而非在用户自身任务上的有效性。

验证 / 演示

# deterministic synthetic demo (no API): score rises and the gate blocks a regression
python -m skillopt_sleep.experiments.run_experiment --persona researcher --assert-improves
python -m skillopt_sleep.experiments.run_experiment --persona programmer  --assert-improves

有关记录的结果、限制和支持的集成范围，请参阅 SkillOpt-Sleep 文档。