紫微是评估驱动开发的参考实现：一份方法论、一层参考抽象、一套供智能体驱动的动态技能工具。

核心认知

智能体如何拓展大语言模型的能力边界？答案是下面这个完整的闭环。

前提一：行动底座成熟。 指令跟随、压缩、常识任务、编程、GUI 使用——这些能力经过完整的训练链条进入模型。coding agent 与 GUI agent 在此时此刻成熟，成为可靠的行动底座。

前提二：闭环被观测到。 在这些能力形成的过程中，我们观测到模型扩展能力边界的固定路径：能力先被组织进运行框架，经评测驱动迭代变得可靠，验证过的方法再经训练回到参数。

推导：垂类 Agent 的时机到了。 把业务需求拆解为任务环境、评测集与验证器，开发就变成评测驱动开发。领域的基本能力由中间训练提供；在此之上，运行框架（harness）经这条路径打磨成型。

落点：人能参与的开发，AI 也能。 评测驱动开发一直由人类工程师执行；但读证据、查环境、改框架、看复测，没有一件是人独有的工作。让 AI 参与这种开发，就是紫微的落点。

飞轮：上线之后。 真实使用带来两类数据，构成自我加强的飞轮。坏轨迹（bad case）回流评测集，成为下一轮迭代的依据；好轨迹经验证进入训练，让有效方法成为模型参数——评测设施（可重置环境、工具、验证器）甚至可以直接复用为强化学习设施。两条回路互相作用。

完整论述见《智能体如何扩展大语言模型的能力边界》。

紫微建模的局部循环

在完整循环中，紫微只切出一段来建模：错误归因之后，运行框架如何被修改。

为什么只切这一段？

• 外层的任务环境、评测与归因，开源世界已有很好的实践，没有必要重做；
• 紫微内部的工作同样乏善可陈；
• 它真正提供的是一个认知性的改变——评测驱动开发的设计指导与最佳实践。

因此，对上下文中的环境、评测与归因，只建模、不实现。

三层结构

前两层已由前两节交代；第三层与完整的评测驱动开发关系不大，本质上是一个动态技能系统优化器：

• 用你手头的编程智能体，优化一个 skill；
• 复用本地智能体的 LLM 与 harness，调查与修改由智能体完成；
• kochab 命令行为智能体提供动态技能系统的标准化接口，整轮由智能体驱动。

快速开始

仓库根目录就是 kochab 技能，包含三层内容。在需要使用它的项目目录中，将本地 Kochab 仓库安装到你使用的智能体：

npx skills add /path/to/kochab --skill kochab --copy

在自己的技能上跑一轮——对正在使用的编程智能体说一句自然语言：

使用 kochab 技能，优化 my-skill。

智能体自己决定读什么、改什么、怎么验证，全程驱动 kochab 命令行完成调查、修改、结算与交付。

开发

python -m pip install -e .

许可

MIT © 2026 苏紫辰