Skip to Content
Agency自我进化系统

自我进化系统

AI Agency 的核心竞争力是其自我进化能力。系统通过用户反馈不断学习,将成功的模式转变为规则,逐步提高生成内容的质量。

学习管道流程

晋升阈值与规则强度

系统根据反馈频率自动评估规则的信心度。随着反馈次数增加,规则从简单的记录逐步晋升为高置信度规则。

晋升级别反馈次数规则名称应用方式示例
1x1 次记录仅存储,权重 10%“用户喜欢加粗的标题”
3x3-4 次启发式建议应用,权重 50%“对于 SaaS 落地页,调用行动效果最好”
5x5-9 次规则自动应用,权重 70%“主页 CTA 按钮应该是红色”
10x+10+ 次高置信度规则强制应用,权重 90%“所有转化按钮应该有动画效果”
100x+100+ 次不可变规则锁定,权重 100%“品牌色彩不变”

规则示例:从反馈到规则

场景:按钮文本优化

第一次反馈(1x)

用户: "这个 CTA 按钮文本太通用了,需要更具体" 系统: - 记录反馈 - 创建初始规则:button-text-specificity-01 - 权重: 10%

第三次反馈(3x)

用户: "是的,具体的行动语言确实转化更好" 系统: - 确认模式 - 晋升为启发式 - 权重: 50% - 可能的 CTA: "开始免费试用" 而不是 "注册"

第五次反馈(5x)

用户: "这个模式对多个项目都有效" 系统: - 晋升为正式规则 - 权重: 70% - 在所有 SaaS 项目中自动应用 - 规则名: button-cta-action-words-strong

第十次反馈(10x+)

用户: "这已经成为标准最佳实践" 系统: - 晋升为高置信度规则 - 权重: 90% - 默认应用(除非显式覆盖) - 添加到全系统规则库

知识毕业协议

当规则达到 100x+ 反馈时,系统自动将其”毕业”为不可变知识。这个过程涉及:

毕业检查清单

  • ✓ 规则在 10+ 个项目中验证有效
  • ✓ 成功率超过 95%
  • ✓ 没有有效的反例
  • ✓ 符合品牌标准
  • ✓ 无性能或可访问性问题

毕业后的规则

毕业的规则被锁定为不可变,成为 FROZEN 规则的一部分:

.agency/rules/graduated-rules.md: [GRADUATED-001] Title: 具体行动词汇增加转化 Confidence: 100x+ Application: 强制 (权重 100%) Description: 所有 CTA 按钮应使用强动作词... Exceptions: 品牌指南明确要求时

安全 5 层架构

系统包含多层安全机制,防止不良规则对项目造成影响。

层 1:品牌一致性检查

每个新规则都针对 FROZEN 品牌定义进行验证。如果规则与品牌颜色、声调或价值观冲突,规则会被拒绝或修改。

层 2:用户验证

在应用任何权重超过 50% 的规则前,系统征求用户同意:

系统: "这个新规则会改变您的主页按钮样式。你同意吗?" 用户选择: 同意 / 预览 / 拒绝

层 3:反馈验证

系统检查反馈来自是否真实有效。明显的垃圾或矛盾反馈被忽略:

规则冲突检测: 前: "按钮应该是红色" (权重 70%) 后: "按钮应该是蓝色" (权重 50%) 系统: 降低新规则的权重,要求用户明确选择

层 4:A/B 测试验证

对于高价值规则(涉及转化的规则),系统可以执行 A/B 测试验证其效果:

/moai agency ab-test button-style 版本 A: 原始样式 版本 B: 新规则应用 结果: 版本 B 转化率 +12%

层 5:自动回滚

如果应用规则后内容质量评分下降超过 15%,系统自动回滚:

应用规则: layout-asymmetrical-01 质量评分: 82 → 65 系统: 回滚规则,恢复到之前版本 用户: 收到通知和原因解释

上游同步

当您的 Agency 项目创建的规则达到 10x+ 信心度时,系统可以将其同步到全局 MoAI 技能库,使所有 AI Agency 项目都受益。

同步流程

同步示例

如果您的文案规则在 5 个不同的 SaaS 项目中都表现良好,它可能被上升为全局规则,供整个 AI Agency 生态系统使用。

进化场景示例

场景 1:落地页项目

初始状态: - 用户生成落地页 - 默认应用系统规则 - 质量评分: 72 反馈循环: 1. 用户: "标题应该更有吸引力" 系统: 应用 headline-power-words 规则 (3x) 结果: 质量评分 78 2. 用户: "CTA 按钮需要更强的紧迫性" 系统: 学习并应用 cta-urgency-words 规则 (5x) 结果: 质量评分 84 3. 用户: "这个配色方案太普通" 系统: 提出大胆的配色提案 (新规则 1x) 用户: "我喜欢!但需要调整一处" 系统: 更新规则 (3x) 结果: 质量评分 89 最终状态: - 质量评分: 89 (+17 分) - 创建 4 个新规则 - 应用了 10 个现有规则 - 总反馈: 12 次

场景 2:跨项目学习

项目 A (电商网站): - 发现: 产品图片应该支持 3D 旋转 - 规则强度: 7x 项目 B (SaaS 落地页): - 相同规则应用: 产品演示应该支持交互 - 规则强度: 5x 系统识别: - 通用模式: "交互式产品展示提高参与度" - 建议晋升: 从本地规则到全局规则 - 结果: 所有新项目默认应用该模式

监控进化进度

使用以下命令查看您项目的进化状态:

# 查看所有规则及其强度 moai agency rules list # 查看特定规则的反馈历史 moai agency rules history copy-rules.md # 查看今天学到的新规则 moai agency rules today # 导出规则以供分析或审计 moai agency rules export

进化最佳实践

遵循这些最佳实践以最大化系统的学习效率:

  1. 提供结构化反馈 - “改进 X”比”更好”提供更多信息
  2. 一次关注一个维度 - 而不是同时改变多个内容
  3. 确认改进 - 当系统做得对时让它知道
  4. 允许实验 - 偶尔让系统尝试大胆的改变
  5. 分享成功 - 分享有效的规则到全局库以帮助他人

下一步

Last updated on