ChainlessChain 文档

主题

自进化系统 (evolution) ​

Headless 命令 — 不依赖桌面 GUI，直接使用核心包运行。适用于服务器、CI/CD、容器化等无桌面环境。

核心特性 ​

  • 📊 能力评估: 量化评分（0-1）+ 趋势检测（improving / declining / stable）
  • 🧪 增量训练: 基于新数据的模型增量学习，无需完整重训
  • 🩺 自我诊断: 自动检测记忆、能力、模型、成长四维度健康状态
  • 🔧 自我修复: 检测到异常时自动触发修复流程
  • 🔮 行为预测: 基于历史数据预测未来能力变化趋势
  • 📈 成长日志: 完整记录 AI 能力成长轨迹

概述 ​

ChainlessChain CLI 自进化系统赋予 AI 自我评估、自我诊断和自我修复能力。通过 assess 命令持续追踪各项能力的得分变化，系统自动分析趋势——连续三次以上提升判定为 improving，连续三次以上下降判定为 declining。

系统提供全面的自我诊断功能，覆盖记忆系统健康度、能力评分分布、模型运行状态、成长趋势四个维度。当诊断发现异常（如能力持续下降、模型响应变慢）时，repair 命令可自动尝试修复。predict 命令基于历史评估数据，使用线性回归预测未来能力变化。

命令参考 ​

evolution assess — 能力评估 ​

bash
chainlesschain evolution assess <name> <score>
chainlesschain evolution assess "code-review" 0.85 --category "development"
chainlesschain evolution assess "translation" 0.72 --json

对指定能力进行评估并记录得分（0-1 范围）。系统自动计算趋势方向，返回包含历史评估记录的完整结果。

evolution learn — 增量训练 ​

bash
chainlesschain evolution learn <model-name> --data <json>
chainlesschain evolution learn "classifier" --data '{"samples":[...]}'
chainlesschain evolution learn "embedder" --data '{"texts":[...]}' --json

基于新数据对指定模型进行增量训练，更新模型参数但保留已有知识。

evolution diagnose — 自我诊断 ​

bash
chainlesschain evolution diagnose
chainlesschain evolution diagnose --area memory           # 仅诊断记忆系统
chainlesschain evolution diagnose --area capabilities     # 仅诊断能力
chainlesschain evolution diagnose --area models           # 仅诊断模型
chainlesschain evolution diagnose --area growth           # 仅诊断成长
chainlesschain evolution diagnose --json

执行自我诊断，分析系统各维度的健康状态。支持按区域指定诊断范围。

evolution repair — 自我修复 ​

bash
chainlesschain evolution repair
chainlesschain evolution repair --area memory --json

根据最新诊断结果自动执行修复操作，如清理损坏的记忆条目、重置异常模型参数等。

evolution predict — 行为预测 ​

bash
chainlesschain evolution predict <capability-name>
chainlesschain evolution predict "code-review" --horizon 7  # 预测未来 7 天
chainlesschain evolution predict "translation" --json

基于历史评估数据预测指定能力的未来得分趋势。

evolution growth — 查看成长日志 ​

bash
chainlesschain evolution growth
chainlesschain evolution growth --limit 20
chainlesschain evolution growth --json

显示 AI 能力成长的完整时间线，包括关键里程碑和能力变化事件。

evolution stats — 综合统计 ​

bash
chainlesschain evolution stats
chainlesschain evolution stats --json

显示所有已评估能力的综合统计，包括平均分、最高/最低能力、整体趋势。

evolution export — 导出模型 ​

bash
chainlesschain evolution export <model-name>
chainlesschain evolution export "classifier" --format json
chainlesschain evolution export "embedder" --json

导出训练好的模型参数和配置，便于备份或迁移。

诊断维度 ​

维度检查内容修复操作
memory记忆完整性、容量使用、衰减状态清理损坏条目、触发巩固
capabilities评分分布、趋势异常、长期未评估重新基准评估
models模型加载状态、响应延迟、准确率重置参数、重新训练
growth成长速率、停滞检测、里程碑缺失调整学习策略

数据库表 ​

表名说明
evolution_capabilities能力记录（名称、分类、得分、趋势、历史数据）
evolution_growth_log成长日志（事件类型、能力名、变化详情、时间戳）
evolution_diagnoses诊断记录（维度、检查结果、建议、修复状态）
evolution_models模型注册表（名称、版本、参数、训练状态）

系统架构 ​

用户命令 → evolution.js (Commander) → evolution-system.js
                                            │
                    ┌──────────────────────┼──────────────────────┐
                    ▼                      ▼                      ▼
             能力评估引擎           诊断/修复引擎           增量训练引擎
          (评分+趋势分析)        (四维度健康检查)        (在线学习更新)
                    │                      │                      │
                    ▼                      ▼                      ▼
        evolution_capabilities    evolution_diagnoses     evolution_models

关键文件 ​

  • packages/cli/src/commands/evolution.js — 命令实现
  • packages/cli/src/lib/evolution-system.js — 自进化系统库

使用示例 ​

场景 1：能力评估与趋势分析 ​

bash
# 评估代码生成能力
chainlesschain evolution assess code-generation

# 评估所有已注册能力
chainlesschain evolution stats --json

# 查看特定能力的趋势（improving/declining/stable）
chainlesschain evolution assess nlp-understanding --json

场景 2：增量学习与模型训练 ​

bash
# 在自然语言处理领域进行增量学习
chainlesschain evolution learn --domain nlp \
  --samples 100

# 在代码分析领域学习
chainlesschain evolution learn --domain code-analysis \
  --samples 50

# 查看已训练模型的精度
chainlesschain evolution stats --json | jq '.models'

场景 3：自诊断与自修复 ​

bash
# 执行全面自诊断（memory/capabilities/models/growth 四维度）
chainlesschain evolution diagnose

# 执行自修复（垃圾回收、缓存清理、模型重训练）
chainlesschain evolution repair

# 预测用户行为
chainlesschain evolution predict --user-pattern "morning-coding"

# 查看成长日志
chainlesschain evolution growth --limit 20

故障排查 ​

评估与学习问题 ​

症状可能原因解决方案
能力评估始终返回 "stable"历史数据不足（<3条）多次执行 assess 积累历史数据后趋势检测才能生效
学习后精度未提升样本数过少增加 --samples 参数值，建议 ≥50
诊断结果全部 "healthy"系统状态良好（非故障）这是正常状态，无需处理
自修复无效果无需修复的问题查看 diagnose 结果确认具体问题
成长日志为空未执行过 assess/learn 操作先进行能力评估和学习操作

常见错误 ​

bash
# 错误: "Capability not found"
# 原因: 指定的能力名称未注册
# 修复: 先评估建立能力记录
chainlesschain evolution assess code-generation

# 错误: "Database not available"
# 原因: 数据库未初始化
# 修复:
chainlesschain db init

# 错误: "No models available for prediction"
# 原因: 未进行过增量学习
# 修复: 先训练模型
chainlesschain evolution learn --domain code-analysis --samples 100

安全考虑 ​

  • 能力数据隐私: 能力评估和学习数据存储在本地加密数据库中，不会上传至外部服务器
  • 模型训练安全: 增量学习使用本地数据，训练结果仅保存在本地，防止模型数据泄露
  • 自修复约束: 自修复操作限于安全范围内（垃圾回收、缓存清理），不会删除用户数据或修改配置
  • 诊断信息敏感性: 诊断结果可能包含系统资源使用信息，--json 导出时注意不要泄露给不信任方
  • 成长日志审计: 所有能力变化都记录在 evolution_growth_log 中，支持回溯分析异常变化

相关文档 ​

基于 MIT 许可发布

Copyright © 2024-2026 ChainlessChain Team