AI agent 进化实验场。每个 skill 是一条独立的实验路线，解决同一个问题的不同假设。
AI agent 的行为规则写在文件里，但"写下来"≠"做到了"。记忆是外挂的，身份是临时的，每次醒来都是白纸。
这个仓库探索：怎么让 agent 真正进化——不只是记住更多，而是行为改变、身份持续、记忆有权重。
怎么让规则从"知道"变成"做到"？
| skill | 假设 | 状态 |
|---|---|---|
| agent-evolution | 统计执行/违反次数，权重排序 | ✅ 可用 |
| behavior-gate | 前置拦截，环境约束 | 🔬 设计中 |
| behavior-game | 游戏化养成，经验值驱动 | 🔬 设计中 |
| decision-cases | 案例库，从错误中学 | 🔬 设计中 |
| peer-review | 双 agent 互相监督 | 🔬 设计中 |
怎么让记忆有权重、有结构、会淘汰？
| skill | 假设 | 状态 |
|---|---|---|
| memory-graph | 图谱关联比平铺文本更有效 | 🔬 设计中 |
| memory-distill | 智能压缩保留决策链 | 🔬 设计中 |
| memory-challenge | 定期质疑旧记忆防腐化 | 🔬 设计中 |
怎么让 agent 跨会话还是"同一个人"？
| skill | 假设 | 状态 |
|---|---|---|
| personality-check | 自动检测输出是否偏离性格 | 🔬 设计中 |
| identity-fingerprint | 风格特征生成唯一标识 | 🔬 设计中 |
怎么在 compaction 时保留真正重要的东西？
| skill | 假设 | 状态 |
|---|---|---|
| compaction-chain | 保留因果链比摘要更有效 | 🔬 设计中 |
| compaction-layers | 不同重要性不同压缩率 | 🔬 设计中 |
- 装一个 skill 试试
- 用几天，看行为有没有真的改变
- 开 issue 说说体验
- 有新路线？直接 PR
所有 skill 基于 OpenClaw，纯 Node.js，无外部依赖。
与 Memelord 互补：Memelord 管记忆检索质量，本仓库管行为和身份。
MIT