dsh-continual-evolve

许多 Agent 工作流的痛点不是单次推理不够强，而是经验无法沉淀：本轮修复过的错误、总结出的事实、可复用的流程，下一个会话又从零开始。dsh-continual-evolve 把会话轨迹中的这些经验转成一等状态，让 DeepSeek Harness 能在会话内持续迭代，并在跨会话时有控制地复用。

它的核心原则是“模型提出建议，代码保证安全”：提示注释、记忆、技能与子代理规范都以版本化、可审计的方式保存，写入时经过模式校验、原子写入、快照与审计记录。本地与全局存储相互分离，并通过提升守卫、近似去重和人工审批防止噪声进入全局库；候选改进还可基于冻结基准案例评估，被拒绝的变更能够确定性回滚。

它适合希望搭建长期自演化 Agent 工作流的开发者和团队，尤其是需要可审计状态、可回滚变更、严格准入机制，以及把经验安全注入系统提示词的场景。