Selbstlernen & Skill-Evolution
Wozu das da ist. Zwei Operator-Flächen. Selbstlernen-Insights (/self-learning) zeigt Token, Kosten, Muster. Skill-Evolution (/skill-evolution) ist das menschliche Gate für vorgeschlagene neue Skills. Nichts schreibt Verhalten vor Freigabe. Autonomy-Loops nur bei gewünschten Hintergrund-Vorschlägen.
Routen: /self-learning (Sidebar Selbstlernen), /skill-evolution.
Wann du es brauchst
Abschnitt betitelt „Wann du es brauchst“- Wöchentliches Effizienzbild.
- Wiederholte Arbeit soll Skill werden — Vorschlag, kein stilles Auto-Schreiben.
- Pending-Kandidaten: Freigeben / Ablehnen.
- Skill-Seite neben Forge.
Typischer Ablauf
Abschnitt betitelt „Typischer Ablauf“- Selbstlernen: vier Karten, Insights, Muster, Skill-Vorschläge.
- Analyse starten (
POST /self-learning/analyze). - Skill-Evolution: Pending / Approved / Rejected.
- Details, Reasoning, Inhalt — Freigeben (noch Auto-Adoption-Gate) oder Ablehnen.
- Prüfen unter Skills → Bestand.
Welches Modell sie schreibt. Selbstlernen-Vorschläge, Forge-Beschreibungsvorschläge und das Schreiben von Skills für die Skill-Evolution laufen auf EYAS’ Hintergrundmodell, je ein isolierter Aufruf: die Heartbeat-Routing-Stufe (Primary, dann Fallback), dann der Installations-Default, dann API-Anbieter, dann CLIs, die isolierte Aufrufe können. Sie gehen nie an einen Anbieter, den das Gateway selbst wählt. Qualifiziert sich kein Modell (etwa eine reine Grok- oder Kimi-Installation, bevor deren Isolation verifiziert ist) oder steht das Budget auf stop, gibt es keinen Modellaufruf: Selbstlernen zeigt seine generischen Vorschlagssätze, Forge behält den zusammengesetzten Beschreibungsvorschlag, und die Skill-Evolution schreibt die Vorlagen-SKILL.md. Die Autonomy-Feature-Flags steuern diese Aufrufe weiterhin. Siehe Routing & Budget — Das Hintergrundmodell.
Insights: Total Tokens, Cost, Sessions, Success Rate; Typen Optimization/Cost/Quality/Speed. Evolution: Suche, Statusfilter, N Sessions, Details, Approve/Reject, Avg Confidence.