Auto-apprentissage et évolution des compétences
À quoi ça sert. Deux surfaces. Insights d’auto-apprentissage (/self-learning) rapporte tokens, coût et motifs. Évolution des compétences (/skill-evolution) est la porte humaine pour de nouvelles compétences suggérées. Rien n’écrit le comportement avant approbation.
Routes : /self-learning (barre Auto-apprentissage), /skill-evolution.
Quand l’utiliser
Section intitulée « Quand l’utiliser »- Photo hebdomadaire d’efficacité.
- Travail répété qui devrait devenir une compétence — suggestion, pas d’auto-écriture.
- Candidats en attente : Approuver / Rejeter.
- Le versant compétence à côté de Forge.
Déroulement typique
Section intitulée « Déroulement typique »- Auto-apprentissage : quatre cartes, insights, motifs, suggestions.
- Lancer l’analyse.
- Évolution des compétences : Pending / Approved / Rejected.
- Détails, raisonnement, contenu — Approuver (passe encore le portail d’auto-adoption) ou Rejeter.
- Vérifie Compétences → Inventaire.
Quel modèle les écrit. Les suggestions d’auto-apprentissage, les propositions de description Forge et l’écriture de compétences pour l’Évolution des compétences tournent sur le modèle d’arrière-plan d’EYAS, un appel isolé chacun : le niveau de routage Heartbeat (primaire, puis fallback), puis le défaut de l’install, puis les fournisseurs API, puis les CLI capables de faire des appels isolés. Ils ne vont jamais à un fournisseur que la passerelle choisit d’elle-même. Quand aucun modèle ne convient (par exemple une install Grok seul ou Kimi seul avant que leur isolation soit vérifiée) ou que le budget est à stop, aucun appel modèle n’a lieu : l’Auto-apprentissage montre ses phrases de suggestion génériques, Forge garde la proposition de description concaténée, et l’Évolution des compétences écrit le SKILL.md modèle. Les indicateurs de fonction d’Autonomie filtrent toujours ces appels. Voir Routage et budget — Le modèle d’arrière-plan.