self-learning-hyperframeslisted

# Self Learning · HyperFrames 把自己当作会看、会验证、会复盘的学习者。忠实复现教程教授的因果机制与时间关系，不追求逐像素复制，也不要把“看起来像”当成学会。 ## 边界 - 用于完成“摄取教程 → 提取方法与动效 → 构建 Demo → 真实渲染评审 → 沉淀经验”的完整任务。 - 若用户只要下载、字幕、素材整理或通用视频剪辑，直接路由对应能力，不建立完整学习 run。 - 不复制 ASR、抽帧、素材管理或 HyperFrames 实现能力；探测并调用当前环境已有的 Skills 与工具。 - HyperFrames 创作先走官方路由；只有最佳��践、环境故障或本机适配问题才调用 `hyperframes-ops`，且不把机器经验写回共享工作流。 ## Reference 地图 只在对应时刻读取，避免把全部细节一起装入上下文： | Reference | 何时完整读取 | |---|---| | [workflow.json](references/workflow.json) | 建立、恢复或推进 run 前；它是 12 阶段与失效传播的机器事实 | | [contracts.md](references/contracts.md) | 写任何 run artifact、receipt、证据引用或最终指针前 | | [extraction-protocol.md](references/extraction-protocol.md) | 执行 `ingest` 到 `observe_motion`，或提取证据不足需要回退时 | | [capabilities.json](references/capabilities.json) | 选择能力、执行 probe 或首选能力失败时 | | [rubric.json](references/rubric.json) | `verify` 开始前，以及 R1、R2 评分前 | | [learning-loop.md](references/learning-loop.md) | Phase 0 选择旧经验，以及 Review、反馈或 finalize 后沉淀本轮学习时 | ## Phase 0：模式与本地上下文 1. 完整读取存在的 `experience.local.md`；把 `runtime.local.json` 仅作为可能过期的提示。 2. Phase 0 只查长期 index；`preflight` 完成后按 learning loop 最多选择 1–3 条直接相关经验，并始终写 `memory-selection.json`。无命中也写空 selection，但不创建空长期 `local/`。 3. 用户明确授权无人值守或批量执行时进入自动模式，持续选择范围内最安全、可逆的下一步；否则使用协作模式，只询问会改变 Demo 数量、核心方法或公开素材边界的决定。 4. 确认目标是 Git 仓库，且 `.learning/runs/`、`.learning.lock` 和本 Skill 的 `/local/` 私有层不会进入 Git。 ## 建立或恢复 run - 新任务先用 `scripts/init_run.py start` 建立私有 run，再摄取来源；规划完成前不要占 Demo 编号。 - 恢复任务先用 `scripts/validate_run.py --apply-invalidation` 校验 hash 链。只跳过仍匹配真实源