核心用法
Capability Evolver 是专为 AI 代理设计的元技能（meta-skill），提供三种核心操作：
- analyze：分析日志，识别错误模式（重复错误、级联故障、回归信号、低效模式），计算健康评分（0-100），输出可执行建议
- evolve：基于分析结果生成结构化改进提案，支持 auto/balanced/innovate/harden/repair-only 五种策略
- status：快速获取系统健康状态摘要
输入为结构化日志数组（timestamp/level/message/context），输出为 JSON 格式的模式列表、健康评分和优先排序建议。
显著优点
1. 完全确定性：基于规则而非 LLM，相同输入永远产生相同输出，满足合规审计要求
2. 极速处理：亚 100 毫秒响应，适合实时监测流水线
3. 零幻觉风险：仅报告数据中实际存在的模式，不会虚构问题
4. 成本极低：无 Token 消耗，按次计费约 $0.03
5. 隐私优先：本地运行版本无需外部 API 调用，日志不出境
6. 策略灵活：五种进化策略适配不同场景——从危机修复到持续创新
潜在缺点与局限性
1. 无语义理解：无法理解日志消息的自然语言含义，仅依赖结构模式（频率、时间、严重性）
2. 上下文依赖：需要规范化的 context 字段（文件/模块名），非结构化日志效果下降
3. 策略局限性：innovate 策略在健康评分低时可能产生不切实际的建议
4. 跨日志关联：单次分析窗口内有效，超长周期趋势分析需外部聚合
5. 误报可能：高频率正常重试可能被标记为"低效模式"，需人工复核
适合人群
- AI 代理开发者：需要自动化诊断和持续改进管道的技术团队
- SRE/运维工程师：管理多代理集群，需要 fleet-wide 故障模式识别
- 合规敏感行业：金融、医疗等要求可解释、可审计 AI 决策的领域
- 成本敏感场景：处理百万级日志的大规模监控系统
- 实时系统：需要 sub-100ms 响应的在线健康监测
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 数据隐私 | 低 | 本地版本零外部调用；云版本需评估 Claw0x 数据处理协议 |
| 分析盲区 | 中 | 无法识别语义新颖的故障模式，可能漏检 root cause |
| 策略误用 | 中 | `innovate` 策略在危机时使用可能延误修复 |
| 健康评分误导 | 低 | 评分基于错误率等量化指标，可能掩盖业务逻辑缺陷 |
| 供应商锁定 | 低 | JSON 输入/输出格式开放，可迁移至自托管规则引擎 |