feat(evolution): evolve.py per-target evolution — skill/system/tool (#9)

core/evolution/evolve.py

@@ -12,19 +12,32 @@ from __future__ import annotations
 import json
 import re
 from dataclasses import asdict, dataclass, field
-from typing import TYPE_CHECKING, Any
+from typing import TYPE_CHECKING, Any, Literal
 
 from loguru import logger
 
 from core.evolution.patch import (
     APPENDIX_END,
     APPENDIX_START,
+    append_to_appendix,
+    apply_patch_with_report,
+    extract_appendix_notes,
     momentum_region_bounds,
+    replace_appendix_notes,
 )
+from core.evolution.types import EvolutionRecord
 
 if TYPE_CHECKING:
-    from core.evolution.protocols import SkillStore
+    from collections.abc import Awaitable, Callable
-    from core.evolution.types import RejectedEdit
+
+    from core.evolution.protocols import PromptStore, SkillStore
+    from core.evolution.types import (
+        EvolvePrompts,
+        RejectedEdit,
+        SkillCasePack,
+        SystemCasePack,
+        ToolCasePack,
+    )
     from core.protocols import LLMProvider
 
 # =========================================================================
@@ -133,13 +146,9 @@ def _check_length(original: str, evolved: str) -> list[str]:
     ratio = len(evol_body) / orig_len
     evol_len = len(evol_body)
     if ratio > 2.0:
-        errors.append(
+        errors.append(f"长度超限: {evol_len} 字符是原文 {orig_len} 的 {ratio:.1f} 倍 (上限 2.0)")
-            f"长度超限: {evol_len} 字符是原文 {orig_len} 的 {ratio:.1f} 倍 (上限 2.0)"
-        )
     if ratio < 0.3:
-        errors.append(
+        errors.append(f"长度不足: {evol_len} 字符是原文 {orig_len} 的 {ratio:.1f} 倍 (下限 0.3)")
-            f"长度不足: {evol_len} 字符是原文 {orig_len} 的 {ratio:.1f} 倍 (下限 0.3)"
-        )
     return errors
 
 
@@ -250,8 +259,7 @@ def _system_protected_spans(text: str) -> list[str]:
     spans: list[str] = [
         section
         for section in (
-            _extract_section(text, name)
+            _extract_section(text, name) for name in ("能力边界", "输出格式", "视频树结构")
-            for name in ("能力边界", "输出格式", "视频树结构")
         )
         if section
     ]
@@ -309,8 +317,7 @@ def validate_skill(original: str, evolved: str) -> ValidationResult:
         for key in ("name", "description", "task_type"):
             if orig_fm.get(key) != evol_fm.get(key):
                 errors.append(
-                    f"frontmatter 字段 {key} 被修改: "
+                    f"frontmatter 字段 {key} 被修改: {orig_fm.get(key)!r} → {evol_fm.get(key)!r}"
-                    f"{orig_fm.get(key)!r} → {evol_fm.get(key)!r}"
                 )
     errors.extend(_check_length(original, evolved))
     errors.extend(_check_code_blocks(evolved))
@@ -406,9 +413,7 @@ def edit_budget_at(global_step: int, total_steps: int, start: int, end: int) ->
     异常:
         AssertionError: start < end。
     """
-    assert start >= end, (
+    assert start >= end, f"edit_budget_at 要求 start >= end，实际 start={start}, end={end}"
-        f"edit_budget_at 要求 start >= end，实际 start={start}, end={end}"
-    )
     if total_steps <= 1:
         return start
     t = min(global_step, total_steps) / total_steps
@@ -675,27 +680,19 @@ def _format_spans(spans: list[dict[str, Any]]) -> str:
     for span in spans:
         lines.append(f"### step {span.get('step', '?')}")
         lines.append(f"- tool_name: {span.get('tool_name', '')}")
-        lines.append(
+        lines.append(f"- tool_args: {json.dumps(span.get('tool_args', {}), ensure_ascii=False)}")
-            f"- tool_args: {json.dumps(span.get('tool_args', {}), ensure_ascii=False)}"
-        )
         output_text = str(span.get("tool_output", ""))
         if len(output_text) > 500:
             output_text = output_text[:500] + "..."
         lines.append(f"- tool_output: {output_text}")
-        lines.append(
+        lines.append(f"- extraction_completeness: {span.get('extraction_completeness', '')}")
-            f"- extraction_completeness: {span.get('extraction_completeness', '')}"
-        )
         lines.append(f"- hallucination_rate: {span.get('hallucination_rate', '')}")
         missed = span.get("missed_info_tags", [])
         if missed:
-            lines.append(
+            lines.append(f"- missed_info_tags: {json.dumps(missed, ensure_ascii=False)}")
-                f"- missed_info_tags: {json.dumps(missed, ensure_ascii=False)}"
-            )
         hall_tags = span.get("hallucination_tags", [])
         if hall_tags:
-            lines.append(
+            lines.append(f"- hallucination_tags: {json.dumps(hall_tags, ensure_ascii=False)}")
-                f"- hallucination_tags: {json.dumps(hall_tags, ensure_ascii=False)}"
-            )
         lines.append("")
     return "\n".join(lines)
 
@@ -722,3 +719,782 @@ def _format_rejected_edits(rejected: list[RejectedEdit]) -> str:
             )
         lines.append("")
     return "\n".join(lines)
+
+
+# =========================================================================
+# I. 进化循环内部类型
+# =========================================================================
+
+
+@dataclass
+class _PatchEvolutionAttempt:
+    """单次补丁式进化尝试的中间结果。
+
+    属性:
+        evolved_content: 改写后内容。
+        validation: 校验结果。
+        suggestions: LLM 输出的改动建议列表。
+        edits: LLM 输出的补丁列表。
+        apply_report: 补丁逐条应用状态。
+        clip_info: 超预算裁剪信息。
+    """
+
+    evolved_content: str
+    validation: ValidationResult
+    suggestions: list[dict[str, Any]] = field(default_factory=list)
+    edits: list[dict[str, Any]] = field(default_factory=list)
+    apply_report: list[dict[str, Any]] = field(default_factory=list)
+    clip_info: dict[str, Any] = field(default_factory=lambda: {"triggered": False, "clipped": 0})
+
+
+# =========================================================================
+# J. 进化循环辅助函数
+# =========================================================================
+
+
+def _count_applied_reports(reports: list[dict[str, Any]]) -> int:
+    """统计补丁报告中成功应用的条数。
+
+    以 ``status`` 前缀 ``"applied"`` 为判据，涵盖 applied_append /
+    applied_replace / applied_rewrite 等所有成功状态。
+
+    参数:
+        reports: apply_patch_with_report 或合成报告的列表。
+
+    返回:
+        成功应用的条数。
+    """
+    return sum(1 for r in reports if r["status"].startswith("applied"))
+
+
+def _with_report_source(reports: list[dict[str, Any]], source: str) -> list[dict[str, Any]]:
+    """给补丁报告补上来源字段（extract / verify 标注）。
+
+    参数:
+        reports: 原始补丁报告列表。
+        source: 来源标签（"extract" / "verify"）。
+
+    返回:
+        每条追加 ``"source"`` 字段的新列表。
+    """
+    return [{**r, "source": source} for r in reports]
+
+
+def _append_retry_messages(
+    messages: list[dict[str, Any]],
+    raw_content: str,
+    feedback: str,
+) -> None:
+    """向对话中追加一次失败后的重试反馈（assistant + user）。
+
+    参数:
+        messages: 当前对话消息列表（原地修改）。
+        raw_content: 上一轮 LLM 原始输出。
+        feedback: 给 LLM 的纠正反馈。
+    """
+    messages.append({"role": "assistant", "content": raw_content})
+    messages.append({"role": "user", "content": feedback})
+
+
+# =========================================================================
+# K. 补丁进化循环
+# =========================================================================
+
+
+async def _run_patch_evolution_loop(
+    *,
+    llm: LLMProvider,
+    messages: list[dict[str, Any]],
+    attempts: list[dict[str, Any]],
+    target_file: str,
+    target_type: str,
+    original_content: str,
+    source_version: str,
+    log_target: str,
+    attempt_builder: Callable[[dict[str, Any]], Awaitable[_PatchEvolutionAttempt]],
+) -> EvolutionRecord:
+    """执行带补丁应用与 no-op 重试的两轮进化循环。
+
+    恰好 2 次尝试（range(2)），三种失败模式各有对应重试提示：
+    1. JSON 解析失败 → "你的输出不是合法 JSON，请重新输出"
+    2. 0 条 applied 补丁 → "你的 edit 的 target 都没在原文中匹配到…"
+    3. 校验失败 → 具体校验错误文本
+
+    首轮失败追加重试提示继续第二轮；第二轮失败直接 reject。
+    校验通过立即返回 accepted。
+
+    参数:
+        llm: LLM 调用端口。
+        messages: 对话消息列表（原地修改，追加重试上下文）。
+        attempts: 尝试摘要列表（原地追加）。
+        target_file: 目标文件名。
+        target_type: 目标类型（skill / system / tool）。
+        original_content: 改写前原文。
+        source_version: 改写前版本号。
+        log_target: 日志标签。
+        attempt_builder: 异步构建尝试的回调，接收 parsed JSON dict。
+
+    返回:
+        EvolutionRecord 实例。
+    """
+    for attempt_idx in range(2):
+        response = await llm.chat(messages)
+        raw_content = response.content
+        attempts.append({"attempt": attempt_idx + 1, "raw_length": len(raw_content)})
+        parsed = _parse_llm_json(raw_content)
+
+        # 失败模式 1：JSON 解析失败
+        if parsed is None:
+            logger.warning("{} 进化 LLM 响应 JSON 解析失败: {}", target_type, log_target)
+            if attempt_idx == 0:
+                _append_retry_messages(
+                    messages,
+                    raw_content,
+                    "你的输出不是合法 JSON，请重新输出。",
+                )
+                continue
+            return EvolutionRecord(
+                target_file=target_file,
+                target_type=target_type,
+                original_content=original_content,
+                evolved_content=original_content,
+                reason="LLM 响应 JSON 解析失败",
+                status="rejected",
+                source_version=source_version,
+                attempts=attempts,
+                validation_errors=["JSON 解析失败"],
+            )
+
+        attempt = await attempt_builder(parsed)
+
+        # 失败模式 2：0 条 applied 补丁
+        if _count_applied_reports(attempt.apply_report) == 0:
+            if attempt_idx == 0:
+                _append_retry_messages(
+                    messages,
+                    raw_content,
+                    "你的 edit 的 target 都没在原文中匹配到，请逐字摘抄原文锚点后重输。",
+                )
+                continue
+            return EvolutionRecord(
+                target_file=target_file,
+                target_type=target_type,
+                original_content=original_content,
+                evolved_content=original_content,
+                reason="补丁无有效改动（target 全未匹配）",
+                status="rejected",
+                source_version=source_version,
+                suggestions=attempt.suggestions,
+                attempts=attempts,
+                edits=attempt.edits,
+                apply_report=attempt.apply_report,
+                clip_info=attempt.clip_info,
+            )
+
+        # 成功：校验通过
+        if attempt.validation.passed:
+            return EvolutionRecord(
+                target_file=target_file,
+                target_type=target_type,
+                original_content=original_content,
+                evolved_content=attempt.evolved_content,
+                reason="验证通过",
+                status="accepted",
+                source_version=source_version,
+                suggestions=attempt.suggestions,
+                attempts=attempts,
+                edits=attempt.edits,
+                apply_report=attempt.apply_report,
+                clip_info=attempt.clip_info,
+            )
+
+        # 失败模式 3：校验失败
+        error_feedback = "\n".join(attempt.validation.errors)
+        if attempt_idx == 0:
+            _append_retry_messages(
+                messages,
+                raw_content,
+                f"验证失败，请修正后重新输出：\n{error_feedback}",
+            )
+            continue
+        return EvolutionRecord(
+            target_file=target_file,
+            target_type=target_type,
+            original_content=original_content,
+            evolved_content=original_content,
+            reason="验证失败（重试后仍未通过）",
+            status="rejected",
+            source_version=source_version,
+            suggestions=attempt.suggestions,
+            attempts=attempts,
+            validation_errors=attempt.validation.errors,
+            edits=attempt.edits,
+            apply_report=attempt.apply_report,
+            clip_info=attempt.clip_info,
+        )
+
+    # 兜底（正常流程不可达）
+    return EvolutionRecord(
+        target_file=target_file,
+        target_type=target_type,
+        original_content=original_content,
+        evolved_content=original_content,
+        reason="未知错误",
+        status="rejected",
+        source_version=source_version,
+        attempts=attempts,
+    )
+
+
+# =========================================================================
+# L. Lapse-only 尝试构建
+# =========================================================================
+
+
+def _build_lapse_only_attempt(
+    original_content: str,
+    lapse_notes: list[str],
+) -> _PatchEvolutionAttempt:
+    """构造「仅 appendix 更新」尝试：无 defect edit，只把 lapse 提醒落进受保护区。
+
+    LLM 没给 defect edit 但有 lapse 提醒时，正常补丁路径会因 0 条 applied 报告被
+    ``_run_patch_evolution_loop`` 判为 no-op 而丢弃。这里给出一条 ``applied_append``
+    合成报告（前缀 ``applied`` 使 ``_count_applied_reports > 0``），令该记录走
+    accepted 路径、appendix 真正落盘。
+
+    参数:
+        original_content: 改写前全文。
+        lapse_notes: 待落 appendix 的 LAPSE 提醒。
+
+    返回:
+        含 appendix 更新内容与合成 apply_report 的 _PatchEvolutionAttempt。
+    """
+    evolved_content = append_to_appendix(original_content, lapse_notes)
+    apply_report = [
+        {
+            "op": "append",
+            "target": "",
+            "content_preview": "appendix LAPSE 提醒",
+            "status": "applied_append",
+            "index": 1,
+        }
+    ]
+    return _PatchEvolutionAttempt(
+        evolved_content=evolved_content,
+        validation=validate_skill(original_content, evolved_content),
+        suggestions=[],
+        edits=[],
+        apply_report=apply_report,
+        clip_info={"triggered": False, "clipped": 0},
+    )
+
+
+# =========================================================================
+# M. Appendix consolidation
+# =========================================================================
+
+
+_CONSOLIDATE_SYSTEM = (
+    "你在压缩一个 agent skill 的「执行提醒 appendix」。每条提醒都重申一条 skill 已有"
+    "规则、是 agent 没遵循的点。你的任务是周期性压缩：去重、合并近义、精简措辞，但"
+    "保留每条的可执行性。禁止发明新规则；禁止写入任何具体题目/选项/实体名等案例事实。"
+    "只返回 JSON。"
+)
+
+
+async def consolidate_appendix(llm: LLMProvider, notes: list[str]) -> list[str]:
+    """LLM 压缩 appendix notes（去重/合并/精简），失败永不丢内容。
+
+    四关守卫（对标 TRM4 consolidate_appendix）：
+      G1. clean 后 <2 条直接短路返回（无需压缩，不调 LLM）。
+      G2. 只接受「非空且 len(compacted) <= len(clean)」的压缩结果。
+      G3. 任何异常（解析/空/网络）→ 返回 clean（绝不丢 appendix）。
+      G4. 在调用方 _append_lapse_with_consolidation 中：
+          len(compacted) >= len(notes) → 拒绝等长压缩。
+
+    参数:
+        llm: LLM 调用端口。
+        notes: 待压缩的 appendix 提醒列表。
+
+    返回:
+        压缩后的提醒列表；任何守卫未通过时返回 clean 后的原 notes。
+    """
+    # G1：clean 后不足 2 条，直接返回
+    clean = [str(n).strip() for n in (notes or []) if str(n).strip()]
+    if len(clean) < 2:
+        return clean
+
+    numbered = "\n".join(f"{i}. {n}" for i, n in enumerate(clean, 1))
+    user = (
+        f"## 当前执行提醒（共 {len(clean)} 条）\n{numbered}\n\n"
+        "压缩为更短的列表，不丢失可执行信息；合并重复与近义；保持每条简短具体可复用。"
+        '只返回 JSON：{ "appendix_notes": ["压缩后提醒1", "压缩后提醒2"] }'
+    )
+    try:
+        response = await llm.chat(
+            [
+                {"role": "system", "content": _CONSOLIDATE_SYSTEM},
+                {"role": "user", "content": user},
+            ]
+        )
+        parsed = _parse_llm_json(response.content)
+        compacted = [
+            str(n).strip() for n in (parsed or {}).get("appendix_notes", []) if str(n).strip()
+        ]
+        # G2：非空且确实压缩了
+        if compacted and len(compacted) <= len(clean):
+            return compacted
+    except Exception as exc:  # noqa: BLE001
+        # G3：任何失败降级为保留原 notes。设计授权的优雅降级（非 P5 违规）：
+        # consolidation 是纯优化，失败不应中断 evolve 或丢 appendix；记 warning 非静默。
+        logger.warning("appendix consolidation 失败，保留原 notes：{}", exc)
+    return clean
+
+
+async def _append_lapse_with_consolidation(
+    text: str,
+    lapse_notes: list[str],
+    llm: LLMProvider,
+    consolidate_threshold: int,
+) -> str:
+    """把 lapse 提醒追加进 appendix，超阈值时触发 LLM consolidation。
+
+    回写侧二确认——即便 consolidate_appendix 守卫已保证 <=，这里再校验「确实
+    变短」才 replace，避免等长压缩带来无意义改写抖动（守卫 G4）。
+
+    参数:
+        text: 待追加的 skill 全文（正文已改完）。
+        lapse_notes: 本轮待落 appendix 的 LAPSE 提醒。
+        llm: LLM 调用端口，供 consolidation 使用。
+        consolidate_threshold: appendix note 条数 >= 此值时触发压缩。
+
+    返回:
+        追加（必要时压缩）后的 skill 全文。
+    """
+    after = append_to_appendix(text, lapse_notes)
+    notes = extract_appendix_notes(after)
+    if len(notes) >= consolidate_threshold:
+        compacted = await consolidate_appendix(llm, notes)
+        # G4：压缩结果必须严格变短才替换
+        if len(compacted) < len(notes):
+            after = replace_appendix_notes(after, compacted)
+    return after
+
+
+# =========================================================================
+# N. 整篇重写
+# =========================================================================
+
+
+_REWRITE_SYSTEM = (
+    "你负责根据改动建议整篇重写 Agent Skill 文件。保留 frontmatter（---...---）中的 "
+    "name / description / task_type 不变。保持文件精简，重写后长度不得超过原文。"
+    '只返回 JSON：{ "rewritten": "重写后的完整文件内容" }'
+)
+
+
+async def rewrite_from_suggestions(
+    llm: LLMProvider,
+    original: str,
+    suggestions: list[dict[str, Any]],
+) -> str:
+    """从抽象 suggestion 整篇重写 Skill；校验失败回退原文（skill 不变）。
+
+    硬约束由系统提示下达 + 本函数校验双重保证。三条拒绝条件任一触发
+    即返回原文（保守不改）：
+    1. 解析失败（JSON / rewritten 字段缺失或非字符串）
+    2. 重写后长度 > 原文
+    3. validate_skill 校验不过
+
+    仅捕获 ValueError / KeyError / TypeError / AttributeError；API 错误向上传播。
+
+    参数:
+        llm: LLM 调用端口。
+        original: 改写前 Skill 文件全文。
+        suggestions: 抽象改动建议列表。
+
+    返回:
+        校验通过的重写全文；任一守卫未通过时返回 original。
+    """
+    sugg_text = "\n".join(f"- {s.get('change', '')}" for s in (suggestions or []))
+    user_msg = f"## 当前 Skill 文件\n\n{original}\n\n## 改动建议\n\n{sugg_text or '（无）'}"
+    try:
+        response = await llm.chat(
+            [
+                {"role": "system", "content": _REWRITE_SYSTEM},
+                {"role": "user", "content": user_msg},
+            ]
+        )
+        parsed = _parse_llm_json(response.content)
+        rewritten = (parsed or {}).get("rewritten")
+        if not isinstance(rewritten, str) or not rewritten.strip():
+            raise ValueError("rewrite 未返回非空 rewritten 字符串")
+    except (ValueError, KeyError, TypeError, AttributeError):
+        logger.warning("rewrite 解析失败，回退原文")
+        return original
+
+    # 拒绝条件 2：不许变长
+    if len(rewritten) > len(original):
+        logger.warning("rewrite 变长（{}->{}），回退原文", len(original), len(rewritten))
+        return original
+    # 拒绝条件 3：冻结区/格式校验
+    if not validate_skill(original, rewritten).passed:
+        logger.warning("rewrite 校验未过（冻结区/格式），回退原文")
+        return original
+    return rewritten
+
+
+# =========================================================================
+# O. 单目标进化函数
+# =========================================================================
+
+
+async def evolve_single_skill(
+    llm: LLMProvider,
+    pack: SkillCasePack,
+    skill_store: SkillStore,
+    prompts: EvolvePrompts,
+    source_version: str,
+    edit_budget: int,
+    consolidate_threshold: int,
+    *,
+    skill_update_mode: Literal["patch", "rewrite"] = "patch",
+    rejected: list[RejectedEdit] | None = None,
+) -> EvolutionRecord:
+    """进化单个 Skill 文件。
+
+    三分支构建：
+      A. lapse-only：无 defect edit + 有 lapse_notes → 仅 appendix 更新。
+      B. rewrite：mode="rewrite" + 有 edit → 整篇重写；失败回退 A 或 no-op。
+      C. patch（默认）：rank_and_clip → apply_patch_with_report。
+    分支 B/C 完成后，若有 lapse_notes，追加 appendix（超阈值 consolidation）。
+
+    用户消息结构（按顺序）：
+      1. （可选）黑名单
+      2. 当前 Skill 文件原文
+      3. 聚合统计 JSON
+      4. 失败案例
+      5. 成功案例
+
+    参数:
+        llm: LLM 调用端口。
+        pack: 该题型的案例包。
+        skill_store: 版本化技能读取端口。
+        prompts: 进化模板束。
+        source_version: 改写前版本号。
+        edit_budget: per-target 编辑预算上限。
+        consolidate_threshold: appendix note 条数 >= 此值触发 consolidation。
+        skill_update_mode: 正文更新模式，"patch"（局部 edit）/ "rewrite"（整篇重写）。
+        rejected: 已验证无效的历史改法列表。
+
+    返回:
+        EvolutionRecord 实例。
+    """
+    target_file = pack.target_file
+    original_content = skill_store.read_skill(target_file)
+
+    # 构建用户消息
+    stats_json = json.dumps(pack.stats, ensure_ascii=False, indent=2)
+    user_msg = (
+        f"## 当前 Skill 文件\n\n{original_content}\n\n"
+        f"## 聚合统计\n\n```json\n{stats_json}\n```\n\n"
+        f"## 失败案例\n\n{_format_case_samples(pack.failure_cases)}\n\n"
+        f"## 成功案例\n\n{_format_case_samples(pack.success_cases)}"
+    )
+    rejected = rejected or []
+    if rejected:
+        user_msg = (
+            "## 已验证无效的改法（黑名单，勿重复）\n\n"
+            + _format_rejected_edits(rejected)
+            + "\n\n"
+            + user_msg
+        )
+
+    messages: list[dict[str, Any]] = [
+        {"role": "system", "content": prompts.evolve_skill},
+        {"role": "user", "content": user_msg},
+    ]
+    attempts: list[dict[str, Any]] = []
+
+    async def _build_attempt(parsed: dict[str, Any]) -> _PatchEvolutionAttempt:
+        suggestions = parsed.get("suggestions", [])
+        edits = parsed.get("edits", [])
+
+        # 分支 A：lapse-only（无 defect edit、仅有 lapse 提醒）
+        if not edits and pack.lapse_notes:
+            return _build_lapse_only_attempt(original_content, pack.lapse_notes)
+
+        # 分支 B：rewrite 模式（有 defect edits 时整篇重写）
+        if skill_update_mode == "rewrite" and edits:
+            rewritten = await rewrite_from_suggestions(llm, original_content, suggestions)
+            if rewritten == original_content:
+                # 重写校验失败/变长/解析失败 → 正文无改动
+                if pack.lapse_notes:
+                    return _build_lapse_only_attempt(original_content, pack.lapse_notes)
+                return _PatchEvolutionAttempt(
+                    evolved_content=original_content,
+                    validation=validate_skill(original_content, original_content),
+                    suggestions=suggestions,
+                    edits=[],
+                    apply_report=[],
+                    clip_info={"triggered": False, "clipped": 0},
+                )
+            evolved_content = rewritten
+            apply_report = [
+                {
+                    "op": "rewrite",
+                    "target": "",
+                    "content_preview": "整篇重写",
+                    "status": "applied_rewrite",
+                    "index": 1,
+                }
+            ]
+            clip_info: dict[str, Any] = {"triggered": False, "clipped": 0}
+
+        # 分支 C：patch 模式（默认）
+        else:
+            edits, clip_info = await rank_and_clip(
+                llm,
+                original_content,
+                edits,
+                edit_budget,
+                "skill",
+                rank_prompt=prompts.evolve_rank,
+            )
+            evolved_content, apply_report = apply_patch_with_report(
+                original_content,
+                edits,
+                protected_spans=_skill_protected_spans(original_content),
+            )
+
+        # 分支 B/C 完成后：lapse 提醒追加 + consolidation
+        if pack.lapse_notes:
+            evolved_content = await _append_lapse_with_consolidation(
+                evolved_content,
+                pack.lapse_notes,
+                llm,
+                consolidate_threshold,
+            )
+
+        return _PatchEvolutionAttempt(
+            evolved_content=evolved_content,
+            validation=validate_skill(original_content, evolved_content),
+            suggestions=suggestions,
+            edits=edits,
+            apply_report=apply_report,
+            clip_info=clip_info,
+        )
+
+    return await _run_patch_evolution_loop(
+        llm=llm,
+        messages=messages,
+        attempts=attempts,
+        target_file=target_file,
+        target_type="skill",
+        original_content=original_content,
+        source_version=source_version,
+        log_target=target_file,
+        attempt_builder=_build_attempt,
+    )
+
+
+async def evolve_system_prompt(
+    llm: LLMProvider,
+    pack: SystemCasePack,
+    prompt_store: PromptStore,
+    prompts: EvolvePrompts,
+    source_version: str,
+    edit_budget: int,
+) -> EvolutionRecord:
+    """进化 System Prompt。
+
+    无 lapse notes、无 appendix consolidation、无 rewrite 模式。
+    使用 system protected spans 保护冻结区。
+    用户消息中统计标题为「D5 行为模式统计」。
+
+    参数:
+        llm: LLM 调用端口。
+        pack: 跨题型行为模式案例包。
+        prompt_store: 版本化提示词读取端口。
+        prompts: 进化模板束。
+        source_version: 改写前版本号。
+        edit_budget: per-target 编辑预算上限。
+
+    返回:
+        EvolutionRecord 实例。
+    """
+    target_file = "system.md"
+    original_content = prompt_store.read_prompt(target_file)
+
+    stats_json = json.dumps(pack.stats, ensure_ascii=False, indent=2)
+    user_msg = (
+        f"## 当前 System Prompt\n\n{original_content}\n\n"
+        f"## D5 行为模式统计\n\n```json\n{stats_json}\n```\n\n"
+        f"## 失败案例\n\n{_format_case_samples(pack.failure_cases)}\n\n"
+        f"## 成功案例\n\n{_format_case_samples(pack.success_cases)}"
+    )
+
+    messages: list[dict[str, Any]] = [
+        {"role": "system", "content": prompts.evolve_system},
+        {"role": "user", "content": user_msg},
+    ]
+    attempts: list[dict[str, Any]] = []
+
+    async def _build_attempt(parsed: dict[str, Any]) -> _PatchEvolutionAttempt:
+        suggestions = parsed.get("suggestions", [])
+        edits = parsed.get("edits", [])
+        edits, clip_info = await rank_and_clip(
+            llm,
+            original_content,
+            edits,
+            edit_budget,
+            "system",
+            rank_prompt=prompts.evolve_rank,
+        )
+        evolved_content, apply_report = apply_patch_with_report(
+            original_content,
+            edits,
+            protected_spans=_system_protected_spans(original_content),
+        )
+        return _PatchEvolutionAttempt(
+            evolved_content=evolved_content,
+            validation=validate_system(original_content, evolved_content),
+            suggestions=suggestions,
+            edits=edits,
+            apply_report=apply_report,
+            clip_info=clip_info,
+        )
+
+    return await _run_patch_evolution_loop(
+        llm=llm,
+        messages=messages,
+        attempts=attempts,
+        target_file=target_file,
+        target_type="system",
+        original_content=original_content,
+        source_version=source_version,
+        log_target=target_file,
+        attempt_builder=_build_attempt,
+    )
+
+
+async def evolve_single_tool(
+    llm: LLMProvider,
+    pack: ToolCasePack,
+    prompt_store: PromptStore,
+    prompts: EvolvePrompts,
+    source_version: str,
+    edit_budget: int,
+) -> EvolutionRecord:
+    """进化单个工具的 extract + verify prompt。
+
+    extract 与 verify 的 edits 合并到 SHARED 预算池（打 ``_src`` 标签），
+    整体 rank_and_clip 到 edit_budget 后按 ``_src`` 拆回各自文件应用。
+    ``evolved_content`` 以 ``json.dumps({"extract": ..., "verify": ...})`` 存储。
+    ``target_file`` 固定为 ``{tool_name}_extract.md``。
+    apply_report 每条带 ``"source"`` 注解（"extract" / "verify"）。
+
+    参数:
+        llm: LLM 调用端口。
+        pack: 该工具的案例包。
+        prompt_store: 版本化提示词读取端口。
+        prompts: 进化模板束。
+        source_version: 改写前版本号。
+        edit_budget: per-target 编辑预算上限（extract + verify 共享）。
+
+    返回:
+        EvolutionRecord 实例。
+    """
+    tool_name = pack.tool_name
+    target_file = f"{tool_name}_extract.md"
+    orig_extract = prompt_store.read_prompt(f"{tool_name}_extract.md")
+    orig_verify = prompt_store.read_prompt(f"{tool_name}_verify.md")
+    original_combined = json.dumps(
+        {"extract": orig_extract, "verify": orig_verify},
+        ensure_ascii=False,
+    )
+
+    stats_json = json.dumps(pack.stats, ensure_ascii=False, indent=2)
+    user_msg = (
+        f"## 当前 extract prompt\n\n{orig_extract}\n\n"
+        f"## 当前 verify prompt\n\n{orig_verify}\n\n"
+        f"## 工具质量统计\n\n```json\n{stats_json}\n```\n\n"
+        f"## 失败 span 案例\n\n{_format_spans(pack.failure_spans)}\n\n"
+        f"## 成功 span 案例\n\n{_format_spans(pack.success_spans)}"
+    )
+
+    messages: list[dict[str, Any]] = [
+        {"role": "system", "content": prompts.evolve_tool},
+        {"role": "user", "content": user_msg},
+    ]
+    attempts: list[dict[str, Any]] = []
+
+    async def _build_attempt(parsed: dict[str, Any]) -> _PatchEvolutionAttempt:
+        suggestions = parsed.get("suggestions", [])
+        edits_extract = parsed.get("edits_extract", [])
+        edits_verify = parsed.get("edits_verify", [])
+
+        # 合并打来源标记，对单 tool target 整体裁到 edit_budget
+        pool: list[dict[str, Any]] = [{**e, "_src": "extract"} for e in edits_extract] + [
+            {**e, "_src": "verify"} for e in edits_verify
+        ]
+
+        pool, clip_info = await rank_and_clip(
+            llm,
+            original_combined,
+            pool,
+            edit_budget,
+            "tool",
+            rank_prompt=prompts.evolve_rank,
+        )
+
+        # 按 _src 拆回，并剥离 _src 字段
+        extract_kept = [
+            {k: v for k, v in e.items() if k != "_src"} for e in pool if e["_src"] == "extract"
+        ]
+        verify_kept = [
+            {k: v for k, v in e.items() if k != "_src"} for e in pool if e["_src"] == "verify"
+        ]
+
+        # 分别应用，使用各自的 tool protected spans
+        evolved_extract, extract_report = apply_patch_with_report(
+            orig_extract,
+            extract_kept,
+            protected_spans=_tool_protected_spans(orig_extract),
+        )
+        evolved_verify, verify_report = apply_patch_with_report(
+            orig_verify,
+            verify_kept,
+            protected_spans=_tool_protected_spans(orig_verify),
+        )
+
+        # 报告注解来源
+        apply_report = _with_report_source(extract_report, "extract") + _with_report_source(
+            verify_report, "verify"
+        )
+
+        evolved_combined = json.dumps(
+            {"extract": evolved_extract, "verify": evolved_verify},
+            ensure_ascii=False,
+        )
+        validation = validate_tool(orig_extract, evolved_extract, orig_verify, evolved_verify)
+        return _PatchEvolutionAttempt(
+            evolved_content=evolved_combined,
+            validation=validation,
+            suggestions=suggestions,
+            edits=extract_kept + verify_kept,
+            apply_report=apply_report,
+            clip_info=clip_info,
+        )
+
+    return await _run_patch_evolution_loop(
+        llm=llm,
+        messages=messages,
+        attempts=attempts,
+        target_file=target_file,
+        target_type="tool",
+        original_content=original_combined,
+        source_version=source_version,
+        log_target=tool_name,
+        attempt_builder=_build_attempt,
+    )

tests/unit/test_evolve.py

@@ -6,8 +6,9 @@
 
 from __future__ import annotations
 
+import asyncio
 import json
-from unittest.mock import AsyncMock
+from unittest.mock import AsyncMock, MagicMock
 
 import pytest
 
@@ -27,7 +28,11 @@ from core.evolution.evolve import (
     _strip_protected_regions,
     _system_protected_spans,
     _tool_protected_spans,
+    consolidate_appendix,
     edit_budget_at,
+    evolve_single_skill,
+    evolve_single_tool,
+    evolve_system_prompt,
     rank_and_clip,
     resolve_skill_file,
     validate_skill,
@@ -40,7 +45,14 @@ from core.evolution.patch import (
     MOMENTUM_END,
     MOMENTUM_START,
 )
-from core.evolution.types import RejectedEdit
+from core.evolution.types import (
+    EvolvePrompts,
+    RejectedEdit,
+    SkillCasePack,
+    SystemCasePack,
+    ToolCasePack,
+)
+from core.types import LLMResponse
 
 # =========================================================================
 # A. 内部辅助函数
@@ -657,3 +669,109 @@ class TestFormatRejectedEdits:
         assert "skill.md" in result
         assert "changed X" in result
         assert "W=" not in result
+
+
+# =========================================================================
+# I. 进化入口函数测试（Task 8）
+# =========================================================================
+
+
+_PROMPTS = EvolvePrompts(
+    evolve_skill="sk",
+    evolve_system="sys",
+    evolve_tool="tool",
+    evolve_rank="rank",
+    consolidate_system="cons",
+)
+
+
+def _make_fake_llm(response_content: str) -> AsyncMock:
+    """构造返回固定 LLMResponse 的模拟 LLM。"""
+    mock = AsyncMock()
+    mock.chat.return_value = LLMResponse(
+        content=response_content,
+        thinking="",
+        model="test",
+        provider="test",
+        prompt_tokens=0,
+        completion_tokens=0,
+        latency_ms=0,
+        ttft_ms=None,
+        max_inter_token_ms=None,
+        cache_hit=False,
+        call_id="test-id",
+    )
+    return mock
+
+
+class TestEvolveSingleSkill:
+    """evolve_single_skill 测试。"""
+
+    def test_empty_pack_skipped(self) -> None:
+        """空案例包（无失败、无 lapse）导致无 applied edits → rejected。"""
+        pack = SkillCasePack(
+            task_type="test",
+            target_file="test.md",
+            stats={},
+            failure_cases=[],
+            success_cases=[],
+            lapse_notes=[],
+        )
+        store = MagicMock()
+        store.read_skill.return_value = "---\nname: t\ndescription: d\ntask_type: t\n---\nbody"
+        store.list_skill_files.return_value = ["test.md"]
+        llm = _make_fake_llm('{"suggestions":[],"edits":[]}')
+        record = asyncio.run(evolve_single_skill(llm, pack, store, _PROMPTS, "v1", 5, 6))
+        assert record.status in ("rejected", "skipped")
+
+
+class TestEvolveSystemPrompt:
+    """evolve_system_prompt 测试。"""
+
+    def test_no_failures_returns_skipped(self) -> None:
+        """空 failure_cases + 空 edits → 无 applied → rejected。"""
+        pack = SystemCasePack(stats={}, failure_cases=[], success_cases=[])
+        store = MagicMock()
+        store.read_prompt.return_value = (
+            "## 能力边界\nfixed\n## 输出格式\nfixed\n## 视频树结构\nfixed\nbody"
+        )
+        llm = _make_fake_llm('{"suggestions":[],"edits":[]}')
+        record = asyncio.run(evolve_system_prompt(llm, pack, store, _PROMPTS, "v1", 5))
+        assert record.status in ("rejected", "skipped")
+
+
+class TestEvolveSingleTool:
+    """evolve_single_tool 测试。"""
+
+    def test_evolved_content_is_json(self) -> None:
+        """即使 rejected，evolved_content 仍是合法 JSON 含 extract/verify。"""
+        pack = ToolCasePack(
+            tool_name="view_node",
+            target_files=["view_node_extract.md", "view_node_verify.md"],
+            stats={},
+            failure_spans=[],
+            success_spans=[],
+        )
+        store = MagicMock()
+        store.read_prompt.return_value = "## 输出格式\nfixed\nbody"
+        llm = _make_fake_llm('{"suggestions":[],"edits":[]}')
+        record = asyncio.run(evolve_single_tool(llm, pack, store, _PROMPTS, "v1", 5))
+        parsed = json.loads(record.evolved_content)
+        assert "extract" in parsed and "verify" in parsed
+
+
+class TestConsolidateAppendix:
+    """consolidate_appendix 测试。"""
+
+    def test_single_note_passthrough(self) -> None:
+        """G1 守卫：单条 note 直接返回，不调 LLM。"""
+        llm = _make_fake_llm("")
+        result = asyncio.run(consolidate_appendix(llm, ["note1"]))
+        assert result == ["note1"]
+
+    def test_exception_returns_original(self) -> None:
+        """G3 守卫：LLM 异常时降级返回原 notes。"""
+        llm = AsyncMock()
+        llm.chat.side_effect = RuntimeError("boom")
+        result = asyncio.run(consolidate_appendix(llm, ["a", "b", "c"]))
+        assert result == ["a", "b", "c"]