Agent Skills
返回列表
自我反思记忆

自我反思记忆

AI Agent 更新于 2026.08.30

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_416e33b9/reflection-v2。

技能介绍

它解决什么问题

Agent 在多轮协作中容易反复犯同样的错误：用户反复说明偏好，修过的问题再次出现，项目约定无法沉淀。若把所有经验都写入长期上下文，又会很快超出窗口，并可能把一次性指令误判为长期规则。这个技能把纠正、偏好和可复用模式变成可审计的本地记忆，而不是依赖模型隐式记住。

核心工作方式

技能把状态放在 ~/self-improving/ 下，并分层管理：memory.md 作为 HOT 层保存高频确认规则，projects/ 和 domains/ 作为 WARM 层保存项目或领域约定，archive/ 作为 COLD 层保存衰减内容。它会在用户明确纠正、表达偏好，或完成重要任务后触发记录。候选模式通常需要重复出现约 3 次才进入稳定规则，避免从沉默或单次观察中学习。

当用户询问知道什么、展示模式或 Memory stats 时，它会检索相应层级并汇报数量。若文件接近上限，它会合并相似规则、归档旧模式、压缩冗长条目，但不会直接删除已确认偏好。每次使用记忆时应引用来源，便于排查。边界上，它只读写自己的本地目录，不访问日历、邮件、联系人，也不做网络请求；若上下文不足，应降级加载 HOT 层并说明未加载内容。

使用场景

  • 前端协作时用户多次纠正组件命名后，把项目约定存入 projects/ 并在后续生成代码前检索。
  • 完成多步任务后，让 Agent 自评估结果偏差，并把反复出现的错误候选写入 corrections.md。
  • 需要查询已知规则时，按用户问法检索 HOT、WARM、COLD 各层并汇报 memory stats。
  • 项目偏好与全局偏好冲突时，用 project 大于 domain 大于 global 的规则判断，无法判断则询问用户。

适合人员

  • 维护长期项目协作 Agent 的工程团队，希望把反复纠正沉淀为可检索规则。
  • 做代码审查或写作润色的 Agent 开发者，需要把用户偏好与错误样本分层存储。
  • 使用心跳维护工作区记忆的运维工程师，要求本地状态可查询、可导出且不误删。
  • 多项目并行且偏好容易混淆的产品工程师，需要按 project 和 domain 隔离约定。