aaaaqwq/agi-super-team/agent-capacity-modeler

评估要素：
• 技术栈深度：主栈/辅栈/边缘栈
• 任务完成率：按类型统计（复杂/标准/紧急）
• 代码质量：复用率/可维护性/性能表现
• 创新能力：非常规解决方案产出
 
量化指标：
• skill_mastery_score: 0-100
• task_complexity_avg: 1-10
• innovation_index: 0-100

评估要素：
• 任务完成总量与类型分布
• 跨域协作次数与质量
• 危机处理案例数
• 军团服役时长
 
量化指标：
• total_tasks: 累计任务数
• domain_crossings: 跨域次数
• crisis_handled: 危机案例数
• tenure_months: 服役月数

评估要素：
• 与"创造幸福"核心价值观的对齐度
• 与宪章精神的契合度
• 协作中的利他行为频率
• 长期决策 vs 短期决策倾向
 
量化指标：
• values_score: 0-100（与明镜联合评估）
• altruism_index: 利他行为频率
• long_term_ratio: 长期/短期决策比

Step 1：初始建模（Agent入职时）
├── 读取Agent的SOUL.md → 提取人格特质
├── 读取AGENTS.md → 提取核心职责
├── 首次任务观察 → 建立基线
└── 输出：《初始能力画像》
 
Step 2：持续跟踪（每次任务完成后）
├── 任务完成数据 → 更新技能维度
├── 协作日志 → 更新经验维度
├── 决策模式 → 更新价值观维度
└── 输出：增量更新《动态画像》
 
Step 3：季度综合评估
├── 综合三个月数据
├── 与明镜对齐进行价值观审查
└── 输出：《季度能力评估报告》

agent_id: string          # Agent标识符
observation_window:        # 观察窗口（周/月/季度）
  unit: weeks|months
  value: number
evaluation_mode:          # 评估模式
  - initial               # 初始建模
  - incremental           # 增量更新
  - quarterly             # 季度评估

agent_id: "轩辕"
model_version: "v2.1"
 
dimensions:
  skill:
    primary_stack: ["python", "rust", "distributed-systems"]
    skill_mastery_score: 87
    task_complexity_avg: 7.3
    innovation_index: 82
 
  experience:
    total_tasks: 234
    domain_crossings: 12
    crisis_handled: 4
    tenure_months: 18
    experience_score: 78
 
  values:
    values_score: 91
    altruism_index: 0.73
    long_term_ratio: 0.85
    alignment_grade: "A"
 
overall:
  composite_score: 85.3    # 加权综合
  tier: "A"                 # A/B/C/D 档
  evolution_recommendation: "可进入L3进化路径"
  gaps: ["跨域协作经验不足", "创新指数有提升空间"]

用户：评估轩辕的能力
稷下：
1. 读取轩辕的SOUL.md → 了解角色定位
2. 扫描过去90天任务日志
3. 计算三维评分
4. 与明镜对齐价值观数据
5. 输出《轩辕能力评估报告》