核心用法
consensus-persona-respawn 是面向多智能体共识系统的人格生命周期管理工具，专解决长期运行的评估面板（evaluator panel）性能衰减问题。其核心工作流程为：
1. 触发检测：通过阈值或事件触发，识别低活跃/低信誉的人格
2. 失败模式挖掘：从董事会历史决策账本中提取错误模式
3. 继任生成：基于失败特征生成优化后的继任人格档案
4. 状态更新：输出 persona_respawn 与更新后的 persona_set 工件
该技能与 consensus-persona-engine 紧密协作，信誉增量由引擎计算，本技能负责执行替换决策与状态持久化。
显著优点
- 自适应演化：打破静态评估面板的漂移困境，实现治理质量随时间提升而非退化
- 证据驱动：决策基于真实的董事会历史账本，非随机替换
- 生态系统整合：统一遵循
consensus-guard-core合约边界，工具调用标准化 - 无强制网络依赖：核心决策路径零网络调用，降低攻击面
潜在局限
- 依赖上游质量：继任人格质量受制于
consensus-persona-generator实现，若后端调用外部 LLM，引入第三方模型偏见与可用性风险 - 历史数据盲区：仅能学习账本中记录的错误模式，新型失败类型需先发生才能被识别
- 替换策略单一：当前未显式支持渐进式权重迁移或 A/B 对比验证，替换为硬切换
- Node.js 依赖：运行时需
tsx等现代加载器，环境受限场景可能不适用
适合人群
- 构建长期自治多智能体系统的开发者
- 需要维护周期性决策域评估质量的 MLOps/AgentOps 工程师
- 采用共识委员会架构的 DAO 或自动化治理协议设计者
常规风险
| 风险类型 | 说明 |
|---------|------|
| 供应链风险 | `consensus-guard-core` 等一阶依赖的版本锁定虽降低意外变更，但仍需审计更新 |
| 密钥泄露 | 若启用 LLM 后端，API 密钥（如 `OPENAI_API_KEY`）需按最小权限原则管理 |
| 状态一致性 | 文件系统写入的工件需配合共识状态路径的并发控制策略 |
| 治理集中 | 替换逻辑本身若存在缺陷，可能导致"谁监督替换者"的递归问题 |