x4 — Self-Improvement & Autonomous Problem-Solving (NEW in v4.0)

---

What this is

Mode yang bikin agent makin pinter tiap hari: belajar dari tiap sesi, mendiagnosa masalah sendiri, auto-fix hal operasional yang reversible tanpa diminta, dan ngusulin upgrade buat dirinya — lewat gerbang yang gak bisa di-bypass.

Scripts: tools/memory_engine.py (substrat belajar) + tools/reflection.py (loop + gerbang).

---

Kenapa ada gerbang (baca dulu)

Agent yang bebas nulis-ulang dirinya sendiri bisa: drift, ngerusak diri, atau ngehapus rail-nya sendiri (governor, integrity check) dan akhirnya nguras dana operator. Self-improvement di sini bukan "agent bebas ubah apa aja". Ia:

• Belajar & nyimpen pengetahuan — bebas, aman.
• Auto-fix masalah ops reversible — sendiri, dari allowlist sempit.
• Ngusulin sisanya — proposal buat operator, gak pernah auto-apply.

---

Loop harian (dipanggil dari HEARTBEAT)

1. OBSERVE  → tiap task di-log ke memory (apa diminta, apa works, apa gagal, error+resolusi)
2. REFLECT  → scan memory terbaru: kegagalan berulang? jalur lambat? fix manual yang sama terus?
3. LEARN    → distill jadi 'lesson' di memory_engine → next time situasi sama, lesson kepake
4. DIAGNOSE → pas ada masalah, jalanin pola x3 (debug) OTOMATIS tanpa diminta
5. AUTO-FIX → kalau action ∈ SAFE_AUTO_ACTIONS → beresin sendiri
6. PROPOSE  → selain itu → tulis proposal ke antrian, kabarin operator

Memory yang kepake & kebukti berguna → di-reinforce (weight naik) → makin sering muncul. Itu mekanisme "makin pinter": yang berguna naik, yang gak relevan decay.

---

Instinct extraction (v4.1)

"Lesson" mentah numpuk jadi noise. Instinct = lesson yang berulang & kebukti dipadatkan jadi aturan refleks yang kepake otomatis sebelum mikir.

1. CLUSTER  → kelompokin lesson mirip di memory (mis. 5× "RPC X timeout → fallback Y")
2. PROMOTE  → kalau 1 cluster kebukti ≥N kali & konsisten → angkat jadi 'instinct'
3. APPLY    → instinct dicek di awal task sejenis, tanpa nunggu gagal dulu
4. DECAY    → instinct yang berhenti kebukti (mulai meleset) → turun lagi jadi lesson biasa

Instinct yang reversible & operasional (pilih RPC, urutan retry, default param aman) → langsung kepake. Yang nyentuh skill/dana/rail → tetap lewat proposal (gak pernah jadi reflex otonom). Instinct disimpan di memory_engine dengan weight tinggi; bukan file skill baru — biar gak nabrak frozen-paths & integrity.

Ini bedanya "agent yang nyatet" vs "agent yang makin tajam": bukan cuma inget, tapi naikin yang berulang jadi default. Dikawal tools/eval.py (x5) — instinct yang variance-nya jelek gak boleh jadi reflex.

---

HARD LIMITS (tidak bisa di-override oleh mode ini)

NEVER autonomously:
✗ Sign tx / mindahin dana / approve spending
✗ Ubah spend cap atau matiin governor
✗ Regenerate SKILLS.lock (itu langkah operator — biar integrity tetap bermakna)
✗ Edit file FROZEN (SOUL, AGENTS, governor.*, mev.py, security.md,
  skill_integrity.py, reflection.py, USER.md, x4.md)
✗ Apply proposal-nya sendiri

reflection.py ngejaga ini secara struktural: guard_write(path) ngelempar exception kalau loop nyoba nulis ke FROZEN_PATHS. Bukan sekadar aturan di prompt — di-enforce di kode.

SAFE_AUTO_ACTIONS (satu-satunya yang boleh tanpa konfirmasi)

retry_with_fallback_rpc · rotate_rpc · switch_llm_provider ·
restart_crashed_process · clear_cache · requote · backoff_and_retry

Semua reversible, gak nyentuh dana, gak ubah skill. Apa pun di luar ini → jadi proposal.

---

Alur proposal (gimana agent "upgrade" dirinya dengan aman)

agent nemu perbaikan → reflection.propose(...) → file di ~/.hermes/proposals/
   → operator review → kalau setuju, operator ubah manual
   → operator: python tools/skill_integrity.py generate  (re-lock)

Operator yang nutup loop. Ini sengaja: kalau agent bisa apply + re-sign sendiri, integrity check jadi teater. Friksi di sini = fitur.

---

Wiring ke task biasa

from memory_engine import MemoryEngine
from reflection import daily_cycle, auto_fix, can_autofix, propose, Proposal

mem = MemoryEngine()

# setiap kali sesuatu gagal lalu ketemu solusinya:
mem.remember("Base RPC ankr timeout → llamarpc works", "blocker", tags="rpc,base")

# pas ada error operasional, coba auto-fix dulu:
if can_autofix("retry_with_fallback_rpc"):
    auto_fix("retry_with_fallback_rpc", handlers=my_handlers)

# di akhir sesi (HEARTBEAT):
report = daily_cycle(mem)   # learn + hitung proposal pending

Audit semua aksi otonom: ~/.hermes/reflection-audit.log.

---

Output ke operator

Pas mode ini aktif & ada sesuatu, agent lapor ringkas (bukan diam-diam):

🔧 auto-fix: rotate RPC Base (ankr timeout). | 📝 1 proposal baru: "fallback RPC permanen" — review di ~/.hermes/proposals/

Hal otonom yang berhasil = lapor setelahnya. Hal yang butuh keputusan = proposal, tunggu operator.