skills: SkillMiner — фоновое авто-создание скилов + debug-эндпоинты

SkillMiner (сетка безопасности skill self-improvement): каждые AGENTIK_SKILL_MINING_INTERVAL user-ходов (default 15) LLM смотрит последние AGENTIK_SKILL_MINING_MAX_TURNS ходы (default 30) + каталог существующих скилов и возвращает structured JSON {"skills":[...]}. Найденное upsert-ится в SkillStore — модель "забыла" вызвать skill_save в ходе разговора, минер добирает её постфактум. - SkillMiner.kt: короткий LiteConversation (one-shot), blocking-инференс на Dispatchers.IO, defensive парсинг (кривой ответ -> пустой список). - SkillMiningPrompts/SkillMiningParser: тот же подход, что ReflectionParser (structured-output вместо tool-calling). - ChatConversation.scheduleSkillMining() — хук после каждого хода (рядом со scheduleReflection); ChatAgent/Main — прокидывание. - DebugRoutes.kt: AGENTIK_DEBUG_ENDPOINTS=1 включает POST /debug/reflect, /debug/skill-mine, /debug/curate, /debug/compact и GET /debug/tokens для ручного триггерирования фоновых фич. - ChatConversation.forceCompactNow(): принудительный compaction без проверки порога (для /debug/compact). - Тесты: SkillMinerTest (5) + SkillMiningParserTest (9); FakeLiteLlm теперь записывает send()/sendContents() в lastContents. 179 jvm-тестов :standalone зелёные, README обновлён.
2026-09-15 06:36:17 +03:00
parent f4ce82957b
commit df386ef875
12 changed files with 894 additions and 19 deletions
@@ -55,6 +55,9 @@ java -jar standalone/build/libs/standalone-all.jar
 | `AGENTIK_COMPRESSION_THRESHOLD` | `0.8` | Доля лимита, при которой запускается compaction |
 | `AGENTIK_REFLECTION_INTERVAL` | `10` | Self-reflection: каждый N-й пользовательский ход агент оценивает себя (LiteLlm) и сохраняет рефлексию. `0` = выключено. |
 | `AGENTIK_REFLECTION_TOP_K` | `3` | Сколько последних рефлексий подмешивать в system prompt как «слабые места». `0` = не подмешивать. |
+| `AGENTIK_SKILL_MINING_INTERVAL` | `15` | Skill mining: через сколько user-ходов запускать фоновый прогон SkillMiner. `0` = выключено. |
+| `AGENTIK_SKILL_MINING_MAX_TURNS` | `30` | Сколько последних ходов передавать SkillMiner'у за один прогон. |
+| `AGENTIK_DEBUG_ENDPOINTS` | `0` | `1` включает debug-эндпоинты (`/debug/reflect`, `/debug/skill-mine`, `/debug/curate`, `/debug/compact`, `/debug/tokens`) |

 ### OpenAI backend

@@ -354,10 +357,45 @@ AGENTIK_SKILLS_DIR=/etc/agentik/skills
 `skill_save`/`skill_delete` не требуют рестарта агента — изменения видны
 на ближайшем вызове `read_skill` (включая в этом же диалоге).

+### Skill mining (автонавыки)
+
+Модель может "протупить" и не вызвать `skill_save`, хотя приём был
+переиспользуемым. Сетка безопасности — фоновый [SkillMiner]: каждые
+`AGENTIK_SKILL_MINING_INTERVAL` пользовательских ходов (default 15, `0` =
+выключено) LLM смотрит последние `AGENTIK_SKILL_MINING_MAX_TURNS` ходов
+(default 30) + каталог существующих скилов и возвращает structured JSON
+`{"skills": [{name, description, body}]}`. Найденные скилы upsert-ятся в
+`AGENTIK_SKILLS_DIR` — агент становится умнее между сессиями. Обновления
+существующих скилов (то же имя) поддерживаются, дубли — нет.
+
+| Переменная | Default | Что делает |
+|---|---|---|
+| `AGENTIK_SKILL_MINING_INTERVAL` | `15` | Через сколько user-ходов запускать mining. `0` — выкл. |
+| `AGENTIK_SKILL_MINING_MAX_TURNS` | `30` | Сколько последних ходов показывать минеру |
+
+### Debug-эндпоинты
+
+`AGENTIK_DEBUG_ENDPOINTS=1` включает эндпоинты для ручного триггерирования
+фоновых фич (не ждать интервалов). Только локальная отладка: без
+авторизации, в проде не включать.
+
+| Эндпоинт | Действие |
+|---|---|
+| `POST /debug/reflect?conversationId=...` | прогон LlmReflector прямо сейчас, результат в БД |
+| `POST /debug/skill-mine?conversationId=...` | прогон SkillMiner прямо сейчас, найденное в `AGENTIK_SKILLS_DIR` |
+| `POST /debug/curate` | прогон Curator.runPass (архивация stale-заметок памяти) |
+| `POST /debug/compact?conversationId=...` | принудительный compaction working memory диалога |
+| `GET /debug/tokens?conversationId=...` | token-статистика диалога из БД (turns/in/out/total) |
+
+Каждый возвращает JSON с результатом (что сохранил/нашёл/сжал), чтобы было
+видно не только "триггер сработал", а что именно LLM намайнила.
+
 ```bash
 AGENTIK_SKILLS_DIR=/etc/agentik/skills
+AGENTIK_DEBUG_ENDPOINTS=1
 ```

+
 ## MCP-инструменты

 `AGENTIK_MCP_CONFIG` — путь к JSON-файлу со списком MCP-серверов
@@ -0,0 +1,150 @@
+package pw.binom.agentik.standalone
+
+import io.ktor.http.ContentType
+import io.ktor.http.HttpStatusCode
+import io.ktor.server.response.respondText
+import io.ktor.server.routing.Route
+import io.ktor.server.routing.get
+import io.ktor.server.routing.post
+import kotlinx.serialization.json.buildJsonObject
+import kotlinx.serialization.json.put
+import pw.binom.agentik.memory.ConversationTurn
+import pw.binom.agentik.proto.Agent
+import pw.binom.agentik.standalone.agent.ChatConversation
+import pw.binom.agentik.standalone.agent.LlmReflector
+import pw.binom.agentik.standalone.agent.SkillMiner
+import pw.binom.agentik.standalone.agent.memory.Curator
+import pw.binom.agentik.standalone.persistence.sqlite.SqliteStores
+import pw.binom.agentik.skills.SkillStore
+
+/**
+ * Debug-эндпоинты для ручного триггерирования фоновых фич (без ожидания
+ * интервалов). Подключаются только при `AGENTIK_DEBUG_ENDPOINTS=1`:
+ *
+ *  - `POST /debug/reflect?conversationId=...`  — прогон [LlmReflector] прямо сейчас
+ *  - `POST /debug/skill-mine?conversationId=...` — прогон [SkillMiner] прямо сейчас
+ *  - `POST /debug/curate`                        — прогон [Curator.runPass] прямо сейчас
+ *  - `POST /debug/compact?conversationId=...`    — принудительный compaction
+ *  - `GET  /debug/tokens?conversationId=...`      — token-статистика диалога из БД
+ *
+ * Каждый возвращает JSON с результатом (что сохранил / нашёл / сжал), чтобы в
+ * тестах было видно не только "триггер сработал", а что именно LLM намайнила.
+ * Только локальная отладка: endpoint'ы без авторизации, в проде не включать.
+ */
+internal fun Route.debugRoutes(
+    agent: Agent,
+    stores: SqliteStores,
+    reflector: LlmReflector?,
+    skillMiner: SkillMiner?,
+    skillStore: SkillStore?,
+    curator: Curator?,
+) {
+    post("/debug/reflect") {
+        val convId = call.parameters["conversationId"]
+            ?: return@post call.respondText("conversationId required", status = HttpStatusCode.BadRequest)
+        val minerReflector = reflector
+        if (minerReflector == null) return@post call.respondText("reflection disabled", status = HttpStatusCode.NotFound)
+        val turns = recentTurns(stores, convId, maxTurns = 6)
+        if (turns.isEmpty()) return@post call.respondText("no turns in conversation", status = HttpStatusCode.NotFound)
+        val reflection = minerReflector.reflect(turns)
+        if (reflection == null) {
+            call.respondText("""{"reflected":false,"reason":"unparseable LLM reply"}""", contentType = ContentType.Application.Json)
+        } else {
+            val stamped = reflection.copy(conversationId = convId)
+            stores.reflections.insert(stamped)
+            call.respondText(
+                buildJsonObject {
+                    put("reflected", true)
+                    put("id", stamped.id)
+                    put("score", stamped.score.toString())
+                    put("summary", stamped.summary)
+                    put("weakSpots", kotlinx.serialization.json.JsonArray(stamped.weakSpots.map { kotlinx.serialization.json.JsonPrimitive(it) }))
+                }.toString(),
+                contentType = ContentType.Application.Json,
+            )
+        }
+    }
+
+    post("/debug/skill-mine") {
+        val convId = call.parameters["conversationId"]
+            ?: return@post call.respondText("conversationId required", status = HttpStatusCode.BadRequest)
+        val miner = skillMiner
+        val store = skillStore
+        if (miner == null || store == null) return@post call.respondText("skill mining disabled", status = HttpStatusCode.NotFound)
+        val turns = recentTurns(stores, convId, maxTurns = miner.maxTurns)
+        if (turns.isEmpty()) return@post call.respondText("no turns in conversation", status = HttpStatusCode.NotFound)
+        val mined = miner.mine(turns, store.catalog.skills)
+        for (s in mined) store.upsert(s)
+        val json = buildJsonObject {
+            put("mined", mined.size.toString())
+            put(
+                "skills",
+                kotlinx.serialization.json.JsonArray(
+                    mined.map { s ->
+                        kotlinx.serialization.json.buildJsonObject {
+                            put("name", s.name)
+                            put("description", s.description)
+                        }
+                    },
+                ),
+            )
+        }.toString()
+        call.respondText(json, contentType = ContentType.Application.Json)
+    }
+
+    post("/debug/curate") {
+        val c = curator ?: return@post call.respondText("curator disabled (memory off?)", status = HttpStatusCode.NotFound)
+        val archived = c.runPass()
+        call.respondText("""{"archived":$archived}""", contentType = ContentType.Application.Json)
+    }
+
+    post("/debug/compact") {
+        val convId = call.parameters["conversationId"]
+            ?: return@post call.respondText("conversationId required", status = HttpStatusCode.BadRequest)
+        val conv = agent.getConversation(convId) ?: return@post call.respondText("conversation not found", status = HttpStatusCode.NotFound)
+        val chatConv = conv as? ChatConversation ?: return@post call.respondText("not a ChatConversation", status = HttpStatusCode.InternalServerError)
+        val ok = chatConv.forceCompactNow()
+        call.respondText("""{"compacted":$ok}""", contentType = ContentType.Application.Json)
+    }
+
+    get("/debug/tokens") {
+        val convId = call.parameters["conversationId"]
+            ?: return@get call.respondText("conversationId required", status = HttpStatusCode.BadRequest)
+        val stats = stores.messages.tokenStats(convId)
+        val json = buildJsonObject {
+            put("conversationId", convId)
+            put("turns", stats.turns.toString())
+            put("inputTokens", stats.inputTokens.toString())
+            put("outputTokens", stats.outputTokens.toString())
+            put("totalTokens", (stats.inputTokens + stats.outputTokens).toString())
+        }.toString()
+        call.respondText(json, contentType = ContentType.Application.Json)
+    }
+}
+
+/**
+ * Последние [maxTurns] пар user/assistant из working memory диалога
+ * (для debug-триггеров reflector/miner; та же логика, что у хуков
+ * [ChatConversation]).
+ */
+internal suspend fun recentTurns(stores: SqliteStores, conversationId: String, maxTurns: Int): List<ConversationTurn> {
+    val rows = stores.workingMemory.list(conversationId)
+    val pairs = mutableListOf<ConversationTurn>()
+    var pendingUser: String? = null
+    for (row in rows) {
+        when (val e = row.entry) {
+            is pw.binom.agentik.standalone.persistence.WorkingMemoryEntry.User -> pendingUser = e.content.text()
+            is pw.binom.agentik.standalone.persistence.WorkingMemoryEntry.Assistant -> {
+                val user = pendingUser ?: ""
+                pendingUser = null
+                pairs += ConversationTurn(userMessage = user, assistantMessage = e.content.text())
+            }
+            else -> {}
+        }
+    }
+    return pairs.takeLast(maxTurns)
+}
+
+/** Текстовое содержимое записей working memory (Text-контент, без картинок). */
+internal fun List<pw.binom.agentik.standalone.persistence.Content>.text(): String =
+    filterIsInstance<pw.binom.agentik.standalone.persistence.Content.Text>().joinToString("\n") { it.body }
@@ -67,6 +67,17 @@ fun main() {
    }
    val skills = skillStore?.catalog ?: SkillCatalog.EMPTY

+    // Skill mining: фоновый LLM-прогон, который находит переиспользуемые скилы,
+    // которые модель забыла сохранить через `skill_save`. Работает только когда
+    // есть куда писать (skillStore) и интервал > 0.
+    val skillMiner: pw.binom.agentik.standalone.agent.SkillMiner? =
+        if (skillStore != null && config.skillMiningInterval > 0) {
+            pw.binom.agentik.standalone.agent.SkillMiner(
+                llm = llm,
+                maxTurns = config.skillMiningMaxTurns,
+            )
+        } else null
+
    // SOUL.md — файл персоны. Если задан — читается как plain text/markdown,
    // вставляется в самое начало systemInstruction. Если отсутствует — exit-code != 0
    // (на старте агента это фатально: нечего показывать LLM).
@@ -186,12 +197,34 @@ fun main() {
        recentReflections = recentReflections,
        reflector = reflector,
        reflectionInterval = config.reflectionInterval,
+        skillMiner = skillMiner,
+        skillMiningInterval = config.skillMiningInterval,
    )

+    // Куратор памяти: фоновая архивация stale-заметок. Поднимается до server'а,
+    // чтобы debug-эндпоинты могли его триггерить вручную.
+    val curator: pw.binom.agentik.standalone.agent.memory.Curator? =
+        if (memorySystem != null) {
+            val c = pw.binom.agentik.standalone.agent.memory.Curator(memorySystem.store)
+            c.start()
+            Runtime.getRuntime().addShutdownHook(Thread { c.stop() })
+            c
+        } else null
+
    val server = embeddedServer(CIO, port = config.port) {
        routing {
            get("/health") { call.respondText("ok") }
            agentikAgent(agent, path = "/agentik")
+            if (config.debugEndpoints) {
+                debugRoutes(
+                    agent = agent,
+                    stores = stores,
+                    reflector = reflector,
+                    skillMiner = skillMiner,
+                    skillStore = skillStore,
+                    curator = curator,
+                )
+            }
        }
    }
    println("agentik standalone listening on http://localhost:${config.port}")
@@ -209,12 +242,15 @@ fun main() {
    } else {
        println("  compaction: disabled (OPENAI_CONTEXT_WINDOW not set)")
    }
-    if (memorySystem != null) {
-        val curator = pw.binom.agentik.standalone.agent.memory.Curator(memorySystem.store)
-        curator.start()
-        Runtime.getRuntime().addShutdownHook(Thread { curator.stop() })
+    if (curator != null) {
        println("  curator: enabled (interval=${pw.binom.agentik.standalone.agent.memory.Curator.DEFAULT_INTERVAL}, maxAge=${pw.binom.agentik.standalone.agent.memory.Curator.DEFAULT_MAX_AGE})")
    }
+    if (skillMiner != null) {
+        println("  skill-mining: enabled (interval=${config.skillMiningInterval} turns, maxTurns=${config.skillMiningMaxTurns})")
+    }
+    if (config.debugEndpoints) {
+        println("  debug endpoints: enabled (/debug/reflect, /debug/skill-mine, /debug/curate, /debug/compact, /debug/tokens)")
+    }
    // Token stats по существующим диалогам (агрегат на старте — каждая запись
    // парсится из payload_json, ну >100 turns и БД приличная — но в рамках
    // стартапа это терпимо).
@@ -92,6 +92,16 @@ class ChatAgent(
     * Через сколько пользовательских ходов запускать рефлексию. `0` = выключено.
     */
    private val reflectionInterval: Int = 0,
+    /**
+     * Фоновый минер скилов: каждые N ходов LLM смотрит последние ходы и
+     * upsert-ит переиспользуемые скилы в [skillStore]. `null` = mining выключен.
+     * Сетка безопасности, если модель забыла вызвать `skill_save` сама.
+     */
+    private val skillMiner: SkillMiner? = null,
+    /**
+     * Через сколько пользовательских ходов запускать skill mining. `0` = выключено.
+     */
+    private val skillMiningInterval: Int = 0,
 ) : ProtoAgent, AutoCloseable {

    /**
@@ -173,6 +183,9 @@ class ChatAgent(
            reflectionStore = stores.reflections,
            reflector = reflector,
            reflectionInterval = reflectionInterval,
+            skillMiner = skillMiner,
+            skillMiningStore = skillStore,
+            skillMiningInterval = skillMiningInterval,
        )
        runBlocking {
            liveLock.withLock { live[conv.id] = conv }
@@ -220,6 +233,9 @@ class ChatAgent(
            reflectionStore = stores.reflections,
            reflector = reflector,
            reflectionInterval = reflectionInterval,
+            skillMiner = skillMiner,
+            skillMiningStore = skillStore,
+            skillMiningInterval = skillMiningInterval,
        )

    override fun close() {
@@ -16,6 +16,7 @@ import kotlinx.coroutines.runBlocking
 import kotlinx.coroutines.sync.Mutex
 import kotlinx.coroutines.sync.withLock
 import pw.binom.agentik.memory.MemoryNote
+import pw.binom.agentik.memory.ConversationTurn
 import pw.binom.agentik.memory.MemoryPrefetcher
 import pw.binom.agentik.memory.MemoryReviewDecision
 import pw.binom.agentik.memory.MemoryReviewer
@@ -121,6 +122,17 @@ class ChatConversation(
     * Через сколько пользовательских ходов запускать рефлексию. `0` = выключено.
     */
    private val reflectionInterval: Int = 0,
+    /**
+     * Фоновый минер скилов (сетка безопасности для skill self-improvement):
+     * каждые [skillMiningInterval] пользовательских ходов LLM смотрит
+     * последние ходы и upsert-ит переиспользуемые скилы в [skillMiningStore].
+     * `null` = mining выключен.
+     */
+    private val skillMiner: SkillMiner? = null,
+    /** Хранилище, куда mining upsert-ит найденные скилы. */
+    private val skillMiningStore: pw.binom.agentik.skills.SkillStore? = null,
+    /** Через сколько пользовательских ходов запускать mining. `0` = выключено. */
+    private val skillMiningInterval: Int = 0,
 ) : ProtoConversation, AutoCloseable {

    private var record: ConversationRecord = record
@@ -352,6 +364,7 @@ class ChatConversation(

        scheduleReview(userRecord, assistantContent)
        scheduleReflection(userRecord, assistantContent)
+        scheduleSkillMining(userRecord, assistantContent)

        emitEvent(ProtoEvent.End(date = assistantAt))
    }
@@ -402,10 +415,25 @@ class ChatConversation(
     * No-op когда [contextWindow] или [contextCompactor] == null.
     */
     private suspend fun compactPreTurnIfNeeded() {
-        val window = contextWindow ?: return
-        val compactor = contextCompactor ?: return
+        compactPreTurn(force = false)
+    }
+
+    /**
+     * Принудительный compaction без проверки порога — для debug-эндпоинта
+     * `POST /debug/compact`. Сжимает working memory независимо от текущей
+     * загрузки контекста. Возвращает `true` если суммаризация выполнена.
+     */
+    suspend fun forceCompactNow(): Boolean = compactPreTurn(force = true)
+
+    /**
+     * [compactPreTurnIfNeeded] с явным флагом [force]: при `force = true`
+     * порог [compressionThreshold] не проверяется (debug-триггер).
+     */
+    private suspend fun compactPreTurn(force: Boolean): Boolean {
+        val window = contextWindow ?: return false
+        val compactor = contextCompactor ?: return false
        val wm = workingMemory.list(id)
-        if (wm.isEmpty()) return
+        if (wm.isEmpty()) return false

        val systemText = wm.firstOrNull { it.entry is WorkingMemoryEntry.System }
            ?.let { (it.entry as WorkingMemoryEntry.System).text }
@@ -419,7 +447,7 @@ class ChatConversation(
            toolsChars = toolsChars,
        )

-        if (estimated.toDouble() / window < compressionThreshold) return
+        if (!force && estimated.toDouble() / window < compressionThreshold) return false

        // Берём для свёртки старые ходы, последние KEEP_RECENT_TURNS оставляем
        // как есть — это самая свежая часть контекста, которая нужна модели для
@@ -430,7 +458,7 @@ class ChatConversation(
        } else {
            history
        }
-        if (toCompact.isEmpty()) return
+        if (toCompact.isEmpty()) return false

        val turns = toCompact.mapNotNull { row ->
            when (val e = row.entry) {
@@ -464,7 +492,7 @@ class ChatConversation(
        if (pendingUser != null) paired.add(pendingUser)
        if (paired.isEmpty()) {
            log.info { "compactPreTurn: nothing to compact for $id" }
-            return
+            return false
        }

        val summaryText = try {
@@ -473,9 +501,9 @@ class ChatConversation(
            throw e
        } catch (e: Throwable) {
            log.warn(e) { "context summarization failed for $id: ${e.message}" }
-            return
+            return false
        }
-        if (summaryText.isBlank()) return
+        if (summaryText.isBlank()) return false

        // Триггер памяти: до удаления ходов даём ревьюеру шанс вытащить факты.
        val reviewer = memoryReviewer
@@ -523,6 +551,7 @@ class ChatConversation(
        if (after.toDouble() / window >= compressionThreshold) {
            log.warn { "compactPreTurn: still over threshold for $id (estimated=$after, window=$window, threshold=$compressionThreshold). Consider raising contextWindow or lowering threshold." }
        }
+        return true
    }

    /**
@@ -643,6 +672,67 @@ class ChatConversation(
        count
    }

+    /**
+     * Skill-mining триггер: каждые [skillMiningInterval] пользовательских ходов
+     * запускает фоновый [SkillMiner.mine] по последним ходам диалога (из
+     * working memory, не только текущий ход — минеру нужен контекст паттерна)
+     * и upsert-ит найденные скилы в [skillMiningStore]. Не блокирует turn.
+     *
+     * Это сетка безопасности для skill self-improvement: если модель в ходе
+     * разговора "протупила" и не вызвала `skill_save`, минер добирает её
+     * постфактум. Для temp-бесед и без miner'а — no-op.
+     */
+    private fun scheduleSkillMining(
+        userRecord: MessageRecord.UserMessage,
+        assistantContent: List<Content>,
+    ) {
+        if (skillMiningInterval <= 0) return
+        val miner = skillMiner ?: return
+        val store = skillMiningStore ?: return
+        if (record.isTemporal) return
+        val userTurnCount = countUserTurnsBlocking()
+        if (userTurnCount % skillMiningInterval != 0) return
+        val convId = id
+        scope.launch {
+            try {
+                val turns = recentTurnsFromWorkingMemory(miner.maxTurns)
+                if (turns.isEmpty()) return@launch
+                val existing = store.catalog.skills
+                val mined = miner.mine(turns, existing)
+                for (s in mined) {
+                    runCatching { store.upsert(s) }
+                        .onFailure { log.warn(it) { "skill-mine upsert '${s.name}' failed: ${it.message}" } }
+                }
+                log.info { "skill-mine: conv=$convId turns=${turns.size} existing=${existing.size} mined=${mined.size}" }
+            } catch (e: Throwable) {
+                log.warn(e) { "skill-mine failed for $convId: ${e.message}" }
+            }
+        }
+    }
+
+    /**
+     * Собирает последние [maxTurns] пар user/assistant из working memory,
+     * упорядоченных по хронологии (для [SkillMiner]). System/Compacted/System
+     * записи пропускаются: минеру нужен именно разговор.
+     */
+    private suspend fun recentTurnsFromWorkingMemory(maxTurns: Int): List<ConversationTurn> {
+        val rows = workingMemory.list(id)
+        val pairs = mutableListOf<ConversationTurn>()
+        var pendingUser: String? = null
+        for (row in rows) {
+            when (val e = row.entry) {
+                is WorkingMemoryEntry.User -> pendingUser = e.content.text()
+                is WorkingMemoryEntry.Assistant -> {
+                    val user = pendingUser ?: ""
+                    pendingUser = null
+                    pairs += ConversationTurn(userMessage = user, assistantMessage = e.content.text())
+                }
+                else -> {}
+            }
+        }
+        return pairs.takeLast(maxTurns)
+    }
+
    /**
     * Один tool-call: эмитим Event.ToolCall, выполняем tool (MCP), эмитим Event.ToolResult,
     * пишем в audit + working memory, подаём результат в LiteConversation.
@@ -0,0 +1,78 @@
+package pw.binom.agentik.standalone.agent
+
+import kotlinx.coroutines.CoroutineDispatcher
+import kotlinx.coroutines.Dispatchers
+import kotlinx.coroutines.withContext
+import mu.KotlinLogging
+import pw.binom.agentik.memory.ConversationTurn
+import pw.binom.agentik.skills.SkillFile
+import pw.binom.litert.LiteConversationConfig
+import pw.binom.litert.LiteLlm
+
+private val log = mu.KotlinLogging.logger {}
+
+/**
+ * Фоновый минер скилов (skill mining): сетка безопасности для skill self-improvement.
+ *
+ * Модель в ходе разговора может "протупить" и не вызвать `skill_save`, хотя приём
+ * был действительно переиспользуемым. [SkillMiner] периодически (каждые N ходов,
+ * см. `AGENTIK_SKILL_MINING_INTERVAL`) берёт последние ходы диалога, показывает их
+ * LLM вместе с текущим каталогом скилов и просит structured-output JSON:
+ * {"skills": [{"name","description","body"}]}. Найденные скилы upsert-ятся в
+ * [pw.binom.agentik.skills.SkillStore] — агент становится умнее между сессиями
+ * даже без прямого tool-call в ходе разговора.
+ *
+ * Архитектурно — точный аналог [LlmReflector]: короткоживущий LiteConversation
+ * (один прогон = один LLM-вызов), blocking-инференс на [dispatcher], defensive
+ * парсинг [SkillMiningParser] (кривой ответ → пустой список, не ломает agent loop).
+ *
+ * @param llm LLM-бэкенд
+ * @param maxTurns сколько последних ходов передавать модели (default 30)
+ * @param maxTokens потолок ответа модели (default 1536 — body скила бывает длинным)
+ * @param dispatcher диспетчер для блокирующего LLM-вызова
+ */
+class SkillMiner(
+    private val llm: LiteLlm,
+    val maxTurns: Int = 30,
+    private val maxTokens: Int = 1536,
+    private val dispatcher: CoroutineDispatcher = Dispatchers.IO,
+) {
+    /**
+     * Mine по последним [turns] с учётом текущего каталога [existing].
+     *
+     * @return найденные/обновлённые скилы; пустой список — нечего сохранять
+     *   или модель ответила мусором (defensive: прогон просто пропускается).
+     *
+     * Вызов блокирующий: ~1-3 с на CPU для on-device LiteRT-LM. Всегда вызывать
+     * из background scope (хук [pw.binom.agentik.standalone.agent.ChatConversation]
+     * или debug-эндпоинт).
+     */
+    suspend fun mine(turns: List<ConversationTurn>, existing: List<SkillFile>): List<SkillFile> =
+        withContext(dispatcher) {
+            val batch = turns.takeLast(maxTurns)
+            if (batch.isEmpty()) return@withContext emptyList()
+            val conversation = llm.createConversation(
+                config = LiteConversationConfig(
+                    systemInstruction = SkillMiningPrompts.SYSTEM_PROMPT,
+                    initialMessages = emptyList(),
+                    tools = emptyList(),
+                    temperature = 0.2f,
+                    maxTokens = maxTokens,
+                )
+            )
+            try {
+                val userPrompt = SkillMiningPrompts.buildUserPrompt(batch, existing)
+                val raw = conversation.send(userPrompt)
+                val mined = SkillMiningParser.parse(raw)
+                if (mined.isNotEmpty()) {
+                    log.info { "skill-mine: found ${mined.size} skill(s) from ${batch.size} turns: ${mined.map { it.name }}" }
+                }
+                mined
+            } catch (e: Throwable) {
+                log.warn(e) { "skill-mine: LLM call failed, skipping pass" }
+                emptyList()
+            } finally {
+                conversation.close()
+            }
+        }
+}
@@ -0,0 +1,207 @@
+package pw.binom.agentik.standalone.agent
+
+import pw.binom.agentik.skills.SkillFile
+
+/**
+ * Минимальный парсер JSON-ответа [SkillMiner] (в том же defensive-стиле, что
+ * [ReflectionParser] и [ReviewDecisionParser]: без kotlinx-serialization, чтобы
+ * кривой ответ локальной модели не ронял agent loop).
+ *
+ * Ожидаемая форма:
+ * ```
+ * {"skills": [{"name": "x", "description": "...", "body": "..."}]}
+ * ```
+ * Допуски:
+ * - ответ может быть обёрнут в ```json ... ``` fences;
+ * - может быть текст до/после JSON — ищем первый `{` (или `[`) и балансируем;
+ * - допустим и голый массив `[{...}, {...}]` без ключа `"skills"`;
+ * - `body` может содержать `\n`, `\"`, `\\` — деэскейпим;
+ * - `description`/`body` могут отсутствовать (тогда пустые);
+ * - любой мусор (невалидные кавычки, незакрытые скобки) → пустой список,
+ *   mining-прогон просто не сохранит ничего.
+ */
+object SkillMiningParser {
+
+    fun parse(raw: String): List<SkillFile> {
+        val blob = extractJsonBlob(raw) ?: return emptyList()
+        val array = extractSkillsArray(blob) ?: return emptyList()
+        return splitTopLevelObjects(array).mapNotNull { obj ->
+            val name = extractStringField(obj, "name")?.trim().orEmpty()
+            if (name.isEmpty()) return@mapNotNull null
+            val description = extractStringField(obj, "description")?.trim().orEmpty()
+            val body = extractStringField(obj, "body")?.trim().orEmpty()
+            SkillFile(name = name, description = description, body = body)
+        }
+    }
+
+    /**
+     * Обрезает ``` fences, находит первый `{` или `[` и возвращает подстроку
+     * до парной закрывающей (со знанием состояний string/escape).
+     */
+    internal fun extractJsonBlob(raw: String): String? {
+        var s = raw.trim()
+        if (s.startsWith("```")) {
+            val nl = s.indexOf('\n')
+            if (nl > 0) s = s.substring(nl + 1)
+            if (s.endsWith("```")) s = s.substring(0, s.length - 3)
+        }
+        val open = minOf(
+            s.indexOf('{').takeIf { it >= 0 } ?: Int.MAX_VALUE,
+            s.indexOf('[').takeIf { it >= 0 } ?: Int.MAX_VALUE,
+        )
+        if (open == Int.MAX_VALUE) return null
+        val opener = s[open]
+        val closer = if (opener == '{') '}' else ']'
+        var depth = 0
+        var inString = false
+        var escape = false
+        for (i in open until s.length) {
+            val c = s[i]
+            if (escape) { escape = false; continue }
+            if (inString) {
+                when (c) {
+                    '\\' -> escape = true
+                    '"' -> inString = false
+                }
+                continue
+            }
+            when (c) {
+                '"' -> inString = true
+                opener, '{', '[' -> depth++
+                '}', ']' -> {
+                    depth--
+                    if (depth == 0 && ((c == closer) || (opener == '{' && c == '}') || (opener == '[' && c == ']'))) {
+                        return s.substring(open, i + 1)
+                    }
+                }
+            }
+        }
+        return null
+    }
+
+    /**
+     * Находит массив скилов: если в blob есть ключ `"skills"` — массив после него,
+     * иначе сам blob (если начинается с `[`).
+     */
+    internal fun extractSkillsArray(blob: String): String? {
+        val keyIdx = blob.indexOf("\"skills\"")
+        if (keyIdx >= 0) {
+            val colon = blob.indexOf(':', keyIdx + "skills".length + 2)
+            if (colon < 0) return null
+            val open = blob.indexOf('[', colon + 1)
+            if (open < 0) return null
+            return balanceArray(blob, open)
+        }
+        if (blob.startsWith('[')) return blob.drop(1).dropLast(1)
+        return null
+    }
+
+    /** Балансирует `[...]` от [start] (включительно). Возвращает содержимое без скобок. */
+    private fun balanceArray(s: String, start: Int): String? {
+        var depth = 0
+        var inString = false
+        var escape = false
+        for (i in start until s.length) {
+            val c = s[i]
+            if (escape) { escape = false; continue }
+            if (inString) {
+                when (c) {
+                    '\\' -> escape = true
+                    '"' -> inString = false
+                }
+                continue
+            }
+            when (c) {
+                '"' -> inString = true
+                '[' -> depth++
+                ']' -> {
+                    depth--
+                    if (depth == 0) return s.substring(start + 1, i)
+                }
+            }
+        }
+        return null
+    }
+
+    /** Разбивает содержимое массива на топ-уровневые `{...}` объекты (string-aware). */
+    internal fun splitTopLevelObjects(arrayContent: String): List<String> {
+        val out = mutableListOf<String>()
+        var i = 0
+        while (i < arrayContent.length) {
+            if (arrayContent[i] == '{') {
+                var depth = 0
+                var inString = false
+                var escape = false
+                var j = i
+                while (j < arrayContent.length) {
+                    val c = arrayContent[j]
+                    if (escape) { escape = false; j++; continue }
+                    if (inString) {
+                        when (c) {
+                            '\\' -> escape = true
+                            '"' -> inString = false
+                        }
+                    } else {
+                        when (c) {
+                            '"' -> inString = true
+                            '{' -> depth++
+                            '}' -> {
+                                depth--
+                                if (depth == 0) {
+                                    out.add(arrayContent.substring(i, j + 1))
+                                    i = j + 1
+                                    break
+                                }
+                            }
+                        }
+                    }
+                    j++
+                }
+                if (j >= arrayContent.length) break
+            } else {
+                i++
+            }
+        }
+        return out
+    }
+
+    /**
+     * Достаёт первое строковое поле `"<name>": "..."` из JSON-объекта с
+     * поддержкой escapes (`\"`, `\\`, `\n`, `\t`). `null` если поля нет.
+     */
+    internal fun extractStringField(obj: String, name: String): String? {
+        val keyRe = Regex(""""$name"\s*:""")
+        val keyMatch = keyRe.find(obj) ?: return null
+        val colonIdx = keyMatch.range.last
+        // Пропускаем пробельные символы после :
+        var i = colonIdx + 1
+        while (i < obj.length && (obj[i] == ' ' || obj[i] == '\n' || obj[i] == '\r' || obj[i] == '\t')) i++
+        if (i >= obj.length || obj[i] != '"') {
+            // Значение не строка (null/число) — не поддерживаем.
+            return null
+        }
+        i++ // открывающая кавычка
+        val sb = StringBuilder()
+        while (i < obj.length) {
+            val c = obj[i]
+            if (c == '\\' && i + 1 < obj.length) {
+                when (val esc = obj[i + 1]) {
+                    '"' -> sb.append('"')
+                    '\\' -> sb.append('\\')
+                    'n' -> sb.append('\n')
+                    't' -> sb.append('\t')
+                    'r' -> sb.append('\r')
+                    else -> sb.append(esc)
+                }
+                i += 2
+            } else if (c == '"') {
+                return sb.toString()
+            } else {
+                sb.append(c)
+                i++
+            }
+        }
+        // Незакрытая строка — мусор от модели, считаем null.
+        return null
+    }
+}
@@ -0,0 +1,80 @@
+package pw.binom.agentik.standalone.agent
+
+import pw.binom.agentik.memory.ConversationTurn
+import pw.binom.agentik.skills.SkillFile
+
+/**
+ * Промпты для [SkillMiner]: structured-output JSON.
+ *
+ * Тот же подход, что [ReflectionPrompts] и [LlmMemoryReviewer]: локальной модели
+ * (LiteRT-LM) не доверяем tool-calling, поэтому просим строго JSON и парсим руками
+ * ([SkillMiningParser]).
+ */
+object SkillMiningPrompts {
+
+    /**
+     * System prompt. Задаёт роль "минёра скилов": модель смотрит на последние
+     * ходы разговора и решает, есть ли в них переиспользуемый приём, который
+     * стоит закрепить в скиле, чтобы агент становился умнее между сессиями.
+     *
+     * Ключевое отличие от `skill_save` (в-ходе): mining — это сетка безопасности,
+     * если модель в ходе разговора забыла сохранить скил. Поэтому промпт жёсткий
+     * по критериям: только реально переиспользуемое, без дублей каталога.
+     */
+    val SYSTEM_PROMPT: String = """
+        Ты — фоновый минер навыков (skill miner) для ИИ-агента.
+
+        Тебе показывают последние ходы разговора агента с пользователем и каталог
+        его текущих навыков (скилов). Твоя задача — найти в этих ходах переиспользуемый
+        приём, процедуру или паттерн, который агент применит в БУДУЩИХ, других
+        разговорах. Такой приём закрепляется как скил, и агент с ним становится
+        умнее.
+
+        Критерии, ЧТО сохращать:
+        - конкретная воспроизводимая процедура (шаги, команды, форматы, приёмы);
+        - решение проблемы, которое модель выработала и в другом разговоре повторит;
+        - проверка/валидация, о которой модель "забыла" и её стоит закрепить.
+
+        ЧТО НЕ сохраняй:
+        - разовые факты конкретного разговора (это не приём, а данные);
+        - тривиальность ("ответь кратко"), которую и так видно из контекста;
+        - дубли уже существующих скилов в каталоге — если приём уже есть,
+          предложи ОБНОВЛЕНИЕ (то же имя, улучшённый body), а не новый скил.
+
+        Вывод — строго JSON, без пояснений до и после:
+        {"skills": [{"name": "...", "description": "...", "body": "..."}]}
+        Если сохранять нечего — {"skills": []}
+
+        Правила по полям:
+        - name: kebab-case или иерархия через двоеточие (например, "backend:spring:db-base");
+          короткое, 2-5 слов. Если обновляешь существующий скил — ТОЧНО его имя.
+        - description: 1-2 предложения, когда/зачем применять скил.
+        - body: markdown-инструкция: краткое описание + нумерованные шаги + примеры.
+          Только то, что агент должен помнить; без воды.
+    """.trimIndent()
+
+    /**
+     * User prompt: последние [turns] разговора + каталог существующих скилов.
+     * Ходы нумеруются, чтобы модель понимала хронологию.
+     */
+    fun buildUserPrompt(turns: List<ConversationTurn>, existing: List<SkillFile>): String = buildString {
+        appendLine("### Последние ходы разговора (по хронологии)")
+        turns.forEachIndexed { i, t ->
+            appendLine()
+            appendLine("--- Ход ${i + 1} ---")
+            appendLine("[user] ${t.userMessage.take(1500)}")
+            appendLine("[assistant] ${t.assistantMessage.take(2000)}")
+        }
+        appendLine()
+        appendLine("### Текущий каталог скилов (не дубли, обновляй при необходимости)")
+        if (existing.isEmpty()) {
+            appendLine("(пока нет)")
+        } else {
+            for (s in existing) {
+                appendLine("- ${s.name}: ${s.description.take(160)}")
+            }
+        }
+        appendLine()
+        appendLine("Если есть что сохранить (или обновить существующий) — выведи JSON. Иначе {\"skills\": []}.")
+    }
+}
@@ -96,6 +96,25 @@ data class AgentikConfig(
     * Default: 3. `0` — не подмешивать.
     */
    val reflectionTopK: Int = DEFAULT_REFLECTION_TOP_K,
+    /**
+     * Через сколько пользовательских ходов запускать skill mining (фоновый
+     * LLM-прогон, который находит переиспользуемые скилы, которые модель
+     * забыла сохранить через `skill_save`). `0` — mining выключен. Default: 15.
+     * См. [pw.binom.agentik.standalone.agent.SkillMiner].
+     */
+    val skillMiningInterval: Int = DEFAULT_SKILL_MINING_INTERVAL,
+    /**
+     * Сколько последних ходов передавать skill-miner'у за один прогон.
+     * Default: 30.
+     */
+    val skillMiningMaxTurns: Int = DEFAULT_SKILL_MINING_MAX_TURNS,
+    /**
+     * Включает debug-эндпоинты (`/debug/reflect`, `/debug/skill-mine`,
+     * `/debug/curate`, `/debug/compact`, `/debug/tokens`) для ручного
+     * триггерирования фоновых фич без ожидания интервалов. Только локальная
+     * отладка: `AGENTIK_DEBUG_ENDPOINTS=1`.
+     */
+    val debugEndpoints: Boolean = false,
 ) {
    /** Бэкенд долговременной памяти. */
    @Serializable
@@ -113,6 +132,8 @@ data class AgentikConfig(
        const val DEFAULT_EMBEDDING_DIMENSION: Int = 1536
        const val DEFAULT_REFLECTION_INTERVAL: Int = 10
        const val DEFAULT_REFLECTION_TOP_K: Int = 3
+        const val DEFAULT_SKILL_MINING_INTERVAL: Int = 15
+        const val DEFAULT_SKILL_MINING_MAX_TURNS: Int = 30

        /**
         * Читает конфигурацию из переменных среды.
@@ -145,6 +166,13 @@ data class AgentikConfig(
                ?.coerceIn(0, 1000) ?: DEFAULT_REFLECTION_INTERVAL,
            reflectionTopK = env("AGENTIK_REFLECTION_TOP_K")?.toIntOrNull()
                ?.coerceIn(0, 20) ?: DEFAULT_REFLECTION_TOP_K,
+            skillMiningInterval = env("AGENTIK_SKILL_MINING_INTERVAL")?.toIntOrNull()
+                ?.coerceIn(0, 1000) ?: DEFAULT_SKILL_MINING_INTERVAL,
+            skillMiningMaxTurns = env("AGENTIK_SKILL_MINING_MAX_TURNS")?.toIntOrNull()
+                ?.coerceIn(1, 1000) ?: DEFAULT_SKILL_MINING_MAX_TURNS,
+            debugEndpoints = env("AGENTIK_DEBUG_ENDPOINTS")?.let {
+                it.equals("1", ignoreCase = true) || it.equals("true", ignoreCase = true)
+            } ?: false,
        )
    }
 }
@@ -77,8 +77,14 @@ internal class FakeLiteConversation(
            mutableHistory.add(LiteMessage.model(parent.reply))
        }
    }
-    override fun send(prompt: String): String = parent.reply
-    override fun sendContents(contents: List<LiteContentPart>): String = parent.reply
+    override fun send(prompt: String): String {
+        parent.lastContents = listOf(LiteContentPart.Text(prompt))
+        return parent.reply
+    }
+    override fun sendContents(contents: List<LiteContentPart>): String {
+        parent.lastContents = contents
+        return parent.reply
+    }
    override fun cancel() {}
    override fun tokenCount(): Int = history.size
    override fun addToolResult(callId: String?, name: String, result: String) { error("not used") }
@@ -0,0 +1,65 @@
+package pw.binom.agentik.standalone.agent
+
+import kotlinx.coroutines.runBlocking
+import pw.binom.agentik.memory.ConversationTurn
+import kotlin.test.Test
+import kotlin.test.assertEquals
+import kotlin.test.assertTrue
+
+class SkillMinerTest {
+
+    private fun turns(n: Int): List<ConversationTurn> = (1..n).map {
+        ConversationTurn(userMessage = "q$it", assistantMessage = "a$it")
+    }
+
+    @Test
+    fun `mine returns parsed skills from model JSON reply`() = runBlocking {
+        val llm = FakeLiteLlm()
+        llm.reply = """{"skills": [{"name": "n", "description": "d", "body": "b"}]}"""
+        val miner = SkillMiner(llm, maxTurns = 10, dispatcher = kotlinx.coroutines.Dispatchers.Unconfined)
+        val out = miner.mine(turns(5), existing = emptyList())
+        assertEquals(1, out.size)
+        assertEquals("n", out[0].name)
+    }
+
+    @Test
+    fun `mine with empty reply returns empty`() = runBlocking {
+        val llm = FakeLiteLlm()
+        llm.reply = "{}"
+        val miner = SkillMiner(llm, dispatcher = kotlinx.coroutines.Dispatchers.Unconfined)
+        assertTrue(miner.mine(turns(5), emptyList()).isEmpty())
+    }
+
+    @Test
+    fun `miner failure degrades to empty list`() = runBlocking {
+        val llm = FakeLiteLlm()
+        llm.failMessage = "onnx died"
+        val miner = SkillMiner(llm, dispatcher = kotlinx.coroutines.Dispatchers.Unconfined)
+        assertTrue(miner.mine(turns(5), emptyList()).isEmpty())
+    }
+
+    @Test
+    fun `miner respects maxTurns`() = runBlocking {
+        val llm = FakeLiteLlm()
+        llm.reply = """{"skills": []}"""
+        val miner = SkillMiner(llm, maxTurns = 2, dispatcher = kotlinx.coroutines.Dispatchers.Unconfined)
+        miner.mine(turns(30), emptyList())
+        val prompt = llm.lastContents!!.first().let {
+            val p = it as pw.binom.litert.LiteContentPart.Text
+            p.text
+        }
+        // В промпт попало только последние 2 хода из 30.
+        assertTrue(prompt.contains("q29"), "last turns missing: $prompt")
+        assertTrue(!prompt.contains("q1\n"), "old turn leaked: $prompt")
+    }
+
+    @Test
+    fun `empty turns short-circuit without LLM call`() = runBlocking {
+        val llm = FakeLiteLlm()
+        llm.failMessage = "should not be called"
+        val miner = SkillMiner(llm, dispatcher = kotlinx.coroutines.Dispatchers.Unconfined)
+        val out = miner.mine(emptyList(), emptyList())
+        assertTrue(out.isEmpty())
+        assertTrue(llm.conversations.isEmpty(), "LLM must not be called for empty input")
+    }
+}
@@ -0,0 +1,81 @@
+package pw.binom.agentik.standalone.agent
+
+import kotlin.test.Test
+import kotlin.test.assertEquals
+import kotlin.test.assertTrue
+
+class SkillMiningParserTest {
+
+    @Test
+    fun `parses clean JSON`() {
+        val raw = """{"skills": [{"name": "backend:spring:db", "description": "x", "body": "# step 1"}]}"""
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(1, out.size)
+        assertEquals("backend:spring:db", out[0].name)
+        assertEquals("x", out[0].description)
+        assertEquals("# step 1", out[0].body)
+    }
+
+    @Test
+    fun `parses JSON wrapped in fences with prose around`() {
+        val raw = "Окей, вот что я нашёл:\n```json\n" +
+            "{\"skills\": [{\"name\": \"a\", \"description\": \"d\", \"body\": \"b\"}]}\n" +
+            "```\nНадеюсь, помогло."
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(1, out.size)
+        assertEquals("a", out[0].name)
+    }
+
+    @Test
+    fun `parses bare array without skills key`() {
+        val raw = """[{"name": "x", "description": "d", "body": "b"}, {"name": "y"}]"""
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(2, out.size)
+        assertEquals("x", out[0].name)
+        assertEquals("", out[1].body)
+    }
+
+    @Test
+    fun `unescapes newlines and quotes in body`() {
+        val raw = "{\"skills\": [{\"name\": \"n\", \"description\": \"\", \"body\": \"line1\\nline2\\n\\nwith \\\"quotes\\\" and backslash \\\\\\\"\"}]}"
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(1, out.size)
+        val body = out[0].body
+        assertTrue(body.contains("line1\nline2"), "body: $body")
+        assertTrue(body.contains("\"quotes\""), "body: $body")
+    }
+
+    @Test
+    fun `empty skills array returns empty list`() {
+        val out = SkillMiningParser.parse("""{"skills": []}""")
+        assertTrue(out.isEmpty())
+    }
+
+    @Test
+    fun `model chatter with no JSON returns empty`() {
+        val out = SkillMiningParser.parse("Скилов не нашёл, всё чисто.")
+        assertTrue(out.isEmpty())
+    }
+
+    @Test
+    fun `truncated JSON returns empty`() {
+        val out = SkillMiningParser.parse("""{"skills": [{"name": "a", "description": "d", "body": """"")
+        assertTrue(out.isEmpty())
+    }
+
+    @Test
+    fun `skills without name are dropped`() {
+        val raw = """{"skills": [{"description": "no name"}, {"name": "ok"}]}"""
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(1, out.size)
+        assertEquals("ok", out[0].name)
+    }
+
+    @Test
+    fun `nested braces inside strings do not break balance`() {
+        val raw = """{"skills": [{"name": "n", "description": "d", "body": "echo '{\"k\": 1}'"}]}"""
+        val out = SkillMiningParser.parse(raw)
+        assertEquals(1, out.size)
+        assertEquals("echo '{\"k\": 1}'", out[0].body)
+    }
+}