让 agent 自己维护"经验手册"

让 agent 自己写"经验手册"，为什么几乎没用？

自进化 agent 的一个朴素想法：让模型每次做完题，把"这类题怎么解、容易踩什么坑"写成一条可复用的技能，攒进一个技能库；下次遇到相似的题，先翻库里有没有现成经验可参考。模型权重不动，靠这本越攒越厚的手册让自己变强。

但对照基准 SkillsBench 给出了一个泼冷水的结果：让 LLM 自己写这些技能，对成绩的贡献是 +0.0pp；而换成人来编一套同样格式的技能库，提升有 +16.2pp。同一个模型、同样的题、同样的"翻手册再解题"流程，唯一的差别是谁在维护这个库。

Ratchet 的诊断是：LLM 写出来的单条技能其实质量不差——给它一个具体失败案例，它能准确说出原因、写出格式清晰的经验。问题不在"写得好不好"，而在"没人管这个库"。库一旦放任自流，就会以三种方式烂掉：

所以真正的问题被换了一个方向：不是"怎么让 LLM 写出更好的技能"，而是"怎么自动管理这个库，让它别退化"。Ratchet 就是冲着这个问题去的。

一轮里发生了什么：做题 → 复盘 → 更新手册

Ratchet 按"轮"运行。每一轮先用当前手册做一遍题（这是上报成绩的地方），再专门制造一批失败案例供复盘，然后复盘、写新经验、清理。本轮"管"出来的手册，就是下一轮"用"的手册——这样一圈圈滚下去。点"下一步"跟着走一遍：

id: boundary_off_by_one
适用场景: 用 range / 切片且涉及端点
关键提示: Python 的 range/切片右端是开区间
常见坑:
  - 末位是 n 时误写成 range(0, n+1)
返回前检查: 单独验一下 n 这个边界
状态: 在用 (ACTIVE)

一个"至少不会越学越差"的承诺

自进化系统最让人担心的是失控下滑：库越攒越烂，成绩一路滑到谷底。Ratchet 给了一个简单但有用的保证：在几条温和假设下，期望成绩不会比"完全没技能"低过一个有限的差距，不会无限下滑。注意——这叫"非发散"，是"不会变得太差"的下限保证，不是"一定会变好"。