/**
 * Skill Evaluator
 *
 * ACT-R Knowledge Compilation 이론 기반으로, 반복적으로 사용되는 메모리 패턴을
 * 자동으로 스킬(절차적 지식)로 결정화하는 엔진.
 *
 * 파이프라인:
 *   1. 대상 메모리 수집 (임베딩 있는 메모리)
 *   2. Greedy Agglomerative 클러스터링
 *   3. 5조건 AND 평가
 *   4. LLM 검증 (옵션)
 *   5. N:1 압축하여 skill 메모리 생성
 */
import type { MemoryDatabase } from '../db/database.js';
import type { A2AConfig, Memory } from '../types/index.js';
import type { SkillCandidate, SkillMetadata, EvaluationResult, ReviewResult } from './types.js';
import type { A2AClient } from '../sync/client.js';
export declare class SkillEvaluator {
    private db;
    private config;
    constructor(db: MemoryDatabase, config: A2AConfig);
    /**
     * 메인 평가 파이프라인
     */
    evaluate(projectPath?: string, client?: A2AClient): Promise<EvaluationResult>;
    /**
     * Greedy Agglomerative 클러스터링
     * 코사인 유사도 ≥ threshold인 메모리들을 같은 클러스터로 그룹화
     */
    clusterMemories(memories: Memory[], threshold: number): Memory[][];
    /**
     * 3-AND + 2-Optional 평가 (기존 5-AND에서 완화)
     * 필수(AND): 1. 반복 횟수, 2. 평균 유사도(0.75), 3. 기본 신뢰도(0.5)
     * 보너스(Optional): 4. 다중 세션(×1.2), 5. 일관된 카테고리(×1.1)
     */
    evaluateCluster(cluster: Memory[], minRepetitions: number, _minConfidence: number): SkillCandidate | null;
    /**
     * LLM으로 스킬 유효성 검증
     */
    validateWithLLM(candidate: SkillCandidate): Promise<boolean>;
    /**
     * N:1 압축하여 skill 메모리 생성
     */
    compressToSkill(candidate: SkillCandidate, client?: A2AClient): Promise<Memory>;
    /**
     * 90일 주기 재평가: 비활성 스킬 강등
     */
    reviewSkills(): ReviewResult;
    private computeAverageSimilarity;
    private isDuplicateSkill;
    private buildSkillContent;
    extractMetadata(skill: Memory): SkillMetadata | null;
    private averageEmbeddings;
    /**
     * 스킬 자동 갱신: 새 메모리가 기존 스킬과 유사하면 소스에 추가
     *
     * PostToolUse에서 새 메모리 생성 후 호출.
     * 유사도 > 0.8인 스킬이 있으면 sourceMemoryIds에 추가하고 content 재생성.
     */
    absorbIntoSkill(newMemory: Memory): {
        absorbed: boolean;
        skillId?: string;
    };
}
//# sourceMappingURL=evaluator.d.ts.map