库漂移：诊断与修复自进化LLM技能库中的一种静默失效模式

自进化技能库面临一种我们称之为库漂移（library drift）的静默失效模式：缺乏结果驱动的生命周期管理、无节制地积累技能，会导致检索退化、误注入与性能停滞。近期评估证实了该症状（SkillsBench上，LLM撰写的技能带来+0.0pp增益，而人工精选的技能带来+16.2pp），但其底层机制尚未被分离出来。我们提供(1)可复现的触发条件：分离漂移的消融实验——一组禁用技能注入（平坦底线，+0.002），一组强制过早退役（主动造成伤害，$-$0.019）；(2)追踪级诊断：只追加的证据日志，包含每技能贡献分、归因判定与路由器启用指标，在故障传导到端到端任务分数之前使其可见；(3)经验证的修复：一套最小治理配方（结果驱动退役+有界活跃上限+元技能撰写先验），在MBPP+ hard-100上经100轮将留出pass@1从0.258基线提升至后期窗口均值0.584（滚动增益+0.328）。八组消融分解出哪些治理机制承重、哪些被涵盖，为诊断任何自进化智能体中的库漂移提供了具体操作手册。