Agent Skills
返回列表
AI 对话自我洞察

AI 对话自我洞察

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_43e72c6e/ai-self-insight。

技能介绍

要解决什么问题

你和 AI 的对话往往比日记更密集：反复改需求、在几个方案里犹豫、用指令式还是探索式提问，这些痕迹都留在本地日志里，但很少有人系统回看。本技能把 Claude Code（~/.claude/projects/*/*.jsonl、history.jsonl）与 GitHub Copilot CLI（~/.copilot/session-store.db）里的记录当作素材，做归一化与去噪后，按固定方法论输出可存档的自我洞察，而不是泛泛的「你很努力」式评语。

技能如何工作

触发后通常会先确认 时间范围、关注维度、输出格式（Markdown / Markdown+HTML / 仅 HTML）和 报告路径。流程大致是：采集 → 预处理（剥离大段代码块、tool_use 细节、重复系统提示，保留用户输入与 assistant 文字摘要）→ 数据量超过约 100K tokens 时走 Map-Reduce（按 session 抽话题、提问风格、决策取舍、情绪与行为模式）→ Reduce 多维度分析（参照内置 analysis-framework）→ 按 output-template 写出 AI自我洞察报告-{YYYY-MM-DD}.md；需要可视化时用单文件 HTML 仪表盘（Tab、KPI、可展开证据卡片）。分析强制 证据驱动（结论配对话引用）、概率化表述（🟢/🟡/🔴 置信度）、反向验证与样本边界说明；报告后可按 socratic-prompting 做反思性追问。

适用边界与注意点

这是 自我认知辅助，不是心理或临床诊断，表述会刻意 非病理化。推理质量取决于本地样本量与时间段——文档要求谦逊标注「基于 N 条对话推断」。隐私方面：处理应在本地完成，不上传对话到第三方；你仍需自行保管报告目录与 vault 权限。若只有单一平台或很短的历史，MBTI/OCEAN 等推断应视为低置信参考，而非标签定论。

使用场景

  • 长期在 Claude Code 里改需求、对答案，想按「最近一个月」从 jsonl 里归纳提问风格与反复犹豫的决策点
  • 用 GitHub Copilot CLI 排障与写脚本后，需要从 session-store.db 抽出话题分布与情绪基调，写进述职材料
  • 本地对话体量接近或超过百 K tokens，要按 session 做 Map-Reduce 再生成带引用证据的 Markdown 报告
  • 已指定 Obsidian vault 路径，希望输出 `AI自我洞察报告-{日期}.md` 或单文件 HTML，并在报告后做盲区追问

适合人员

  • 每天在 `~/.claude/projects` 留下会话的前端或全栈工程师，想量化自己是偏指令式还是探索式提问
  • 依赖 Copilot CLI 完成开发与排障的工程师，希望从本地 SQLite 会话里提炼「近期核心矛盾」而非凭印象
  • 做季度个人复盘、需要可引用对话片段的知识工作者，要求报告带 🟢/🟡/🔴 置信度与反例说明
  • 用 Obsidian 管理笔记的用户，要把洞察报告落到指定目录，并可选生成 Tab 式 HTML 仪表盘