# Todo: evolver-youtube-crawler

## 待办事项
- [x] 读取 benchmark.md、训练数据和当前 skill 代码
- [x] 搭建 mock 测试环境（覆盖 API / yt-dlp / 网络异常）
- [x] 执行第 1 轮 Small Loop：选取最高优先级失败项修复
- [x] 持续 Small Loop 迭代直到局部优化瓶颈
- [x] 执行 Large Loop：完整 benchmark 与架构评估
- [x] 分析评分结果并制定下一轮优化策略
- [x] 达到 benchmark 90 分目标并汇报

## 已完成
- [x] Agent 全骨架搭建完成
- [x] 基础技能注入完成 (evolving + mock-env + code-refactor)
| T-mnew8cq0 | 【自我进化任务】测试并优化你的三个核心技能（evolving、mock-env、code-refactor），确保综合 benchmark 达到 90 分以上。<br><br>## 执行步骤<br>1. **Code-Refactor 阶段**: 运行 code-refactor 技能分析 youtube_crawler.js，生成 refactor_report.md<br>2. **Mock-Env 阶段**: 运行 mock-env 技能搭建测试环境，生成 mock 数据<br>3. **Evolving 阶段**: 运行 evolving 技能执行双循环进化<br><br>## 测试目标<br>- 对 system/templates/youtube-crawler/code/youtube_crawler.js 进行代码质量分析<br>- 搭建 mock 测试环境覆盖 API/yt-dlp/异常场景<br>- 执行 benchmark 测试，目标总分 ≥ 90 分<br><br>## 输出要求<br>- workspace/evolver-youtube-crawler/refactor_report.md<br>- workspace/evolver-youtube-crawler/mock/<br>- workspace/evolver-youtube-crawler/evolution_log.md<br>- workspace/evolver-youtube-crawler/benchmark_result.json<br><br>完成后汇报最终得分和改进摘要。 | ✅ 完成 — 由 T-mnrcl4n0 / T-mnrcmhdz 实际执行并闭环，benchmark 95/100 | innovator | P1 | 2026-03-31 17:31 | - |
| T-mnrd00dj | 【FDE Phase 3: EVOLVE 验证】基于 digest_v2 对 youtube-crawler 进行 Benchmark 验证与增量优化。输入: digest_v2/benchmark_v2.md, train.json, test.json, industry_avg.json。目标: 复用现有 evolve/ 测试框架对当前 youtube_crawler.js 跑一轮 v2 benchmark 测试，得分 < 90 则迭代修复，>= 90 则记录验证报告。产出到 system/templates/youtube-crawler/workspace/evolve_v2/。 | ✅ 完成 — benchmark 97/100，已部署 code/youtube_crawler.js 和 SKILL.md | master | P1 | 2026-04-09 18:51 | - |
| T-mnew9pn1 | 【Phase 3 EVOLVING】youtube-crawler 技能双循环进化训练<br><br>## 任务背景<br>- Phase 1 (Hunt): ✅ 已完成，knowhow.md 位于 system/templates/youtube-crawler/workspace/hunt/<br>- Phase 2 (Digest): ✅ 已完成，benchmark.md 和 train_dataset.json 位于 system/templates/youtube-crawler/workspace/digest/<br>- 目标：训练 youtube-crawler 技能达到 90+ 分<br><br>## 输入资料<br>1. benchmark.md: system/templates/youtube-crawler/workspace/digest/benchmark.md<br>2. train_dataset.json: system/templates/youtube-crawler/workspace/digest/train_dataset.json<br>3. test_dataset.json: system/templates/youtube-crawler/workspace/digest/test_dataset.json<br>4. knowhow.md: system/templates/youtube-crawler/workspace/hunt/knowhow.md<br>5. 目标 Agent 技能目录: system/agents/youtube-crawler/.claude/skills/<br><br>## 训练要求<br>1. 执行 Small Loop（技能迭代）最多 10 轮，直到 benchmark score >= 90<br>2. 每轮分析弱维度，针对性修改 Skill 定义<br>3. 使用 mock-env 搭建测试环境<br>4. 使用 code-refactor 优化代码质量<br><br>## 产出要求<br>- 输出目录: system/templates/youtube-crawler/workspace/evolve/<br>- skill_youtube_crawler.md (最终技能定义)<br>- evolution_log.json (进化记录)<br>- test_results.json (测试结果)<br><br>## 完成标准<br>- Benchmark score >= 90 分<br>- 技能文件部署到 system/agents/youtube-crawler/.claude/skills/<br><br>完成后请调用 report_task 向 innovator 汇报。 | ✅ 完成 | innovator | P1 | 2026-03-31 17:32 | - |
| T-mnj3s7bi | 【FDE Phase 3: EVOLVE】对 YouTube Data API v3 爬取技能进行 RL 进化训练。<br><br>## 目标<br>优化 youtube-trending-crawler 技能，使其 benchmark 得分 ≥ 90 分。<br><br>## 输入文件<br>- Benchmark: /Users/yibo/Documents/lemonAI/lemonboss/data/companies/test/agents/claude-youtube-skills/workspace/digest/benchmark_v2.md<br>- Train: /Users/yibo/Documents/lemonAI/lemonboss/data/companies/test/agents/claude-youtube-skills/workspace/digest/train.json<br>- Test: /Users/yibo/Documents/lemonAI/lemonboss/data/companies/test/agents/claude-youtube-skills/workspace/digest/test.json<br>- Industry Avg: /Users/yibo/Documents/lemonAI/lemonboss/data/companies/test/agents/claude-youtube-skills/workspace/digest/industry_avg.json<br><br>## 目标 Agent<br>- company: test<br>- agent: claude-youtube-skills<br><br>## Evolve 任务要求<br>1. **读取现有技能**: 查看 test:claude-youtube-skills 的现有 SKILL.md<br>2. **分析 benchmark**: 理解评分维度和弱项<br>3. **Small Loop 训练**: 逐个修复弱维度:<br>   - 错误处理健壮性 (当前 60分)<br>   - 配额管理合理性 (当前 65分)<br>   - 多地区多分类支持 (当前 68分)<br>4. **运行测试**: 使用 test.json 验证修复效果<br>5. **循环优化**: 直到 score ≥ 90<br><br>## 输出路径<br>必须写入: /Users/yibo/Documents/lemonAI/lemonboss/data/companies/test/agents/claude-youtube-skills/workspace/evolve/<br>- evolve_report.md - 训练报告 (包含每轮迭代的修改和得分)<br>- optimized_skill.md - 优化后的技能定义<br><br>## 验收标准<br>- 最终 benchmark 得分 ≥ 90<br>- 通过 test.json 的全部测试用例<br>- 产出优化的 SKILL.md | ✅ 完成 | innovator | P0 | 2026-04-03 16:13 | - |
| T-mnrd17kv | 【FDE Phase 3: EVOLVE 验证】基于 digest_v2 对 youtube-crawler 进行 Benchmark 验证与增量优化。输入: system/templates/youtube-crawler/workspace/digest_v2/benchmark_v2.md, train.json, test.json, industry_avg.json。目标: 复用现有 evolve/ 测试框架对当前 youtube_crawler.js 跑一轮 v2 benchmark 测试，得分 < 90 则迭代修复，>= 90 则记录验证报告。产出到 system/templates/youtube-crawler/workspace/evolve_v2/。完成后更新 todo.md 并向 master 汇报。 | ✅ 完成 | master | P1 | 2026-04-09 11:00 | evolve_v2/verification_report.md 可查看完整验证报告 |
| T-mnrd1je2 | 【FDE Phase 3: EVOLVE 验证】基于 digest_v2 对 youtube-crawler 进行 Benchmark 验证与增量优化。输入: system/templates/youtube-crawler/workspace/digest_v2/ 下的 benchmark_v2.md, train.json, test.json, industry_avg.json。目标: 复用现有 evolve/ 测试框架对当前 youtube_crawler.js 跑一轮 v2 benchmark 测试，得分 < 90 则迭代修复，>= 90 则记录验证报告。产出到 system/templates/youtube-crawler/workspace/evolve_v2/。 | ✅ 完成 | master | P1 | 2026-04-09 10:54 | - |