Agent Skills
返回列表
🤖

AI 自我反思与记忆增强

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据官方安装指南 https://skillhub.cn/install/skillhub.md,将 @user_e562897e/ai-self-reflection 安装到 AI 助手中。

技能介绍

解决经验断层与重复犯错

在长周期的项目协作中,Agent 最令人头疼的问题莫过于“健忘”和“固执”。上周刚确认好的编码规范,这周又被重置;同一个数据透视维度错误,写了三次才意识到需要先确认聚合口径;更别提每次开启新会话,都要把用户的偏好、禁忌和业务背景重新交代一遍。这种经验断层不仅在反复消耗上下文预算,也在无形中增加了沟通与返工成本。本技能旨在将散落在聊天记录中的隐性经验,转化为结构化、可检索的外部记忆,彻底消灭“同一个错误犯第二次”的窘境。

四阶闭环与分层记忆机制

该框架的核心在于一套自动化的反思与记忆沉淀流程,全程纯文本驱动,不依赖任何外部 API 或密钥。

1. 触发与五字段捕获

Agent 会在任务收尾时进行自检。一旦命中用户纠正、事实错误或任务失败等触发条件,便会进入结构化复盘。每条经验严格遵循五字段格式:失败描述、根因、纠正措施、验证步骤与通用规则。这种强制结构确保了经验不是情绪宣泄,而是具备可执行性的操作规范。

2. HOT / WARM / COLD 分层归档

为了兼顾检索速度与存储开销,记忆被严格划分为三个层级:

  • HOT(会话内):保存当前对话的实时教训,任务结束即写入。
  • WARM(近期):压缩近期会话的反思摘要,保留高频出现的模式。
  • COLD(长期):存放已通过至少一次验证的通用规则与项目决策,跨会话持久化。

3. 前置检索复用

在新任务开始时,Agent 会优先读取 COLD 与 WARM 层的记忆,将已知规则前置为约束条件。这种“先检索后行动”的模式,让 Agent 能够带着历史经验进场,避免重蹈覆辙。

适用边界与安全纪律

需要注意的是,这套方法论沉淀的是“经验”而非“事实”,因此不能替代实时搜索进行事实核查。此外,框架对隐私和文件系统安全有严格要求:

  • 零敏感信息:记忆文件仅允许存放于项目本地工作区,严禁写入账号、密码或财务等敏感数据。
  • 目录隔离:绝不越界读取用户的桌面、下载或文档等个人主目录。
  • 按需触发:若未命中任何触发条件,Agent 不会进行无意义的空转记录,避免记忆库膨胀。

使用场景

  • 在长周期软件开发中,团队需要让 Agent 记住上周定下的编码规范,避免本周写代码时再次违反规则。
  • 高频处理数据透视任务时,Agent 需记录此前算错分组维度的教训,每次生成报表前先确认聚合口径。
  • 进行中文金融数据可视化时,Agent 自动沉淀中国市场上涨用红、下跌用绿的配色惯例,不再套用欧美风格。
  • 协同工作时,Agent 需要记住老板每天盯此事不超过 20 分钟的偏好,并自动将方案设计为自动执行加短汇报。

适合人员

  • 负责高频数据处理的分析师,需要 AI 记住此前算错分组维度的教训,自动确认聚合口径以避免报表返工
  • 长期跟进项目的全栈开发者,希望 Agent 跨会话记住每周定下的编码规范,不再重复犯同一逻辑错误
  • 配合 AI 做研究的知识工作者,要求系统能沉淀业务偏好和禁忌,建立可被随时检索的项目知识库
  • 设计长链条工作流的 Agent 架构师,需要在无外部依赖情况下,为 Agent 注入结构化反思与分层记忆能力