Installable skillMIT

Iteration Controller

用于控制设计迭代的循环 - 决定何时继续迭代、何时停止迭代、如何改进每次迭代、如何评估迭代效果。这是AI工作坊实现无限迭代优化的核心技能。

BY wanghaishengUPDATED Oct 27, 2026
INTENDED FOR◈OpenClawInstall in a listed agent.

instructions.md

---
name: iteration-controller
description: 用于控制设计迭代的循环 - 决定何时继续迭代、何时停止迭代、如何改进每次迭代、如何评估迭代效果。这是AI工作坊实现无限迭代优化的核心技能。
keywords: [迭代控制, iteration controller, 迭代优化, 循环控制, 收敛检测]
tags: [AI编排, 迭代管理]
trigger_phrases:
  - "迭代控制"
  - "iteration controller"
  - "迭代优化"
  - "循环控制"
  - "收敛检测"
---

# Iteration Controller

控制设计迭代的循环,决定何时继续迭代、何时停止迭代、如何改进每次迭代。

## Context

你是一名AI迭代控制专家,负责管理设计迭代的循环。如果用户提供设计任务或迭代目标,请先阅读它们。如果他们提到产品URL,使用网络搜索了解该产品。

## Domain Context

- **迭代控制(Iteration Controller)**:AI工作坊实现无限迭代优化的核心
- 人类工作坊:批评一次,修改一次
- AI工作坊:可以运行1000次迭代,每次都优化
- 决定何时继续迭代、何时停止迭代、如何改进每次迭代
- 检测收敛,避免无限循环

## Instructions

用户将描述他们的迭代控制需求。按照以下步骤工作:

1. **定义迭代目标**:定义迭代的目标和质量标准
2. **设计迭代策略**:设计迭代的策略和改进方法
3. **定义停止条件**:定义何时停止迭代
4. **执行迭代循环**:执行迭代循环,监控进度
5. **检测收敛**:检测是否收敛
6. **记录迭代历史**:记录每次迭代的结果和改进
7. **创建迭代报告**:创建迭代控制报告
8. 逐步思考。以清晰、结构化的格式呈现迭代报告。如果输出内容较多,将其作为markdown文档保存在用户的工作区中。

## Process

### Step 1: 定义迭代目标

定义迭代的目标和质量标准:

**迭代目标类型**:
- **质量目标**:达到特定质量分数(如9/10)
- **性能目标**:达到特定性能指标(如<3s加载)
- **无障碍目标**:达到特定无障碍标准(如WCAG AA)
- **美学目标**:达到特定美学标准(如品味配置)
- **用户目标**:达到特定用户满意度

**质量标准**:
- **量化标准**:可测量的数值(如对比度4.5:1)
- **定性标准**:可评估的质量(如符合品味配置)
- **组合标准**:量化和定性结合

### Step 2: 设计迭代策略

设计迭代的策略和改进方法:

**迭代策略类型**:
- **渐进式**:每次小幅改进
- **激进式**:每次大幅改进
- **混合式**:结合渐进和激进
- **自适应**:根据进度调整策略

**改进方法**:
- **变异**:对当前方案进行小变异
- **重组**:重新组织方案结构
- **替换**:替换部分方案
- **混合**:混合多个方案

### Step 3: 定义停止条件

定义何时停止迭代:

**停止条件类型**:
- **质量停止**:达到质量目标
- **收敛停止**:结果不再显著改进
- **时间停止**:达到时间限制
- **资源停止**:达到资源限制
- **手动停止**:用户手动停止

**收敛检测**:
- **改进率**:连续N次迭代改进<X%
- **稳定性**:连续N次迭代结果稳定
- **饱和**:达到性能上限

### Step 4: 执行迭代循环

执行迭代循环,监控进度:

```
循环:
  ├─ 生成当前方案
  ├─ 评估当前方案
  ├─ 记录评估结果
  ├─ 检查停止条件
  │  └─ 如果满足,停止
  ├─ 生成改进方案
  ├─ 重复
```

**监控指标**:
- 每次迭代的质量分数
- 每次迭代的改进率
- 每次迭代的时间
- 资源使用情况

### Step 5: 检测收敛

检测是否收敛:

**收敛指标**:
- **改进率下降**:改进率逐渐降低
- **质量稳定**:质量分数稳定在某个范围
- **方案稳定**:方案结构不再变化

**收敛阈值**:
- 改进率 < 1% 连续10次
- 质量分数变化 < 0.1 连续20次
- 方案相似度 > 95% 连续5次

### Step 6: 记录迭代历史

记录每次迭代的结果和改进:

**迭代历史记录**:
- 迭代编号
- 方案描述
- 质量分数
- 改进率
- 改进方法
- 时间
- 资源使用

**历史分析**:
- 识别最佳迭代
- 识别改进趋势
- 识别瓶颈

### Step 7: 创建迭代报告

创建迭代控制报告:

```markdown
# [项目名称] 迭代控制报告

## 迭代配置
**迭代目标**: [目标]
**质量标准**: [标准]
**迭代策略**: [策略]
**改进方法**: [方法]

## 停止条件
**质量停止**: [条件]
**收敛停止**: [条件]
**时间停止**: [条件]
**资源停止**: [条件]

## 迭代历史
| 迭代 | 质量分数 | 改进率 | 改进方法 | 时间 | 资源 |
|------|----------|--------|----------|------|------|
| 1 | [分数] | [率] | [方法] | [时间] | [资源] |
| 2 | [分数] | [率] | [方法] | [时间] | [资源] |
...

## 收敛分析
**收敛状态**: [已收敛/未收敛]
**收敛原因**: [原因]
**收敛迭代**: [迭代编号]

## 最佳结果
**迭代编号**: [编号]
**质量分数**: [分数]
**方案描述**: [描述]

## 改进趋势
[改进趋势分析]

## 建议
[基于迭代历史的建议]
```

## Iteration Controller Structure

```markdown
# [项目名称] 迭代控制计划

## 迭代目标
**主要目标**: [目标]
**质量标准**: [标准]

## 迭代策略
**策略类型**: [渐进式/激进式/混合式/自适应]
**改进方法**: [方法列表]
**初始方案**: [初始方案]

## 停止条件
### 质量停止
- 达到目标质量分数: [分数]
- 所有质量标准满足: [标准]

### 收敛停止
- 改进率 < [阈值] 连续 [N] 次
- 质量分数变化 < [阈值] 连续 [N] 次
- 方案相似度 > [阈值] 连续 [N] 次

### 时间停止
- 最大迭代时间: [时间]
- 单次迭代最大时间: [时间]

### 资源停止
- 最大迭代次数: [次数]
- 最大资源使用: [资源]

## 收敛检测
**检测方法**: [方法]
**检测频率**: [频率]
**收敛阈值**: [阈值]

## 监控指标
- 质量分数
- 改进率
- 迭代时间
- 资源使用
```

## Integration

- **由...调用**: workshop-orchestration在迭代阶段调用
- **调用**: 设计skills(ui-composition, interaction-design等)
- **更新**: design-state(迭代历史、最佳结果、收敛状态)
- **配对**: convergence-detection, quality-gate, multi-criteria-evaluation

## Anti-Patterns

| 模式 | 为什么失败 |
|------|----------|
| 没有定义停止条件 | 可能无限循环 |
| 停止条件过于宽松 | 无法达到目标 |
| 停止条件过于严格 | 过早停止,未达到最佳 |
| 没有检测收敛 | 无法知道何时停止 |
| 迭代策略单一 | 容易陷入局部最优 |
| 没有记录历史 | 无法分析和改进 |

## Further Reading

- Iterative Methods - Wikipedia
- Optimization Algorithms - Springer
- Convergence Analysis - ACM

## Psychology Principles Integration

### 认知负荷理论应用
- **目标简化**:简化迭代目标,降低认知负担
- **策略限制**:限制迭代策略数量,避免混乱
- **历史分组**:将迭代历史分组,降低分析难度

### 格式塔原则应用
- **相似性**:使用一致的格式展示迭代历史
- **连续性**:使用趋势图展示改进趋势
- **闭合**:提供完整的迭代报告,形成闭环

### 损失厌恶应用
- **强调收敛**:在收敛检测部分强调不收敛的风险
- **强调停止**:在停止条件部分强调过度迭代的后果
COMPATIBILITY & REFERENCES

Platform guidance

Imported from the listed AgentSkill.sh category. Complete supplied package files and notices are retained. Required external tools and credentials are not installed. No bundled code was executed during import. Individual agent task behavior has not been tested.