AI 使用助手
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_672766ab/ai-use-reflection。
技能介绍
要解决什么问题
在和 AI 结对完成一件具体任务时,往往只能凭印象判断「哪句提示词救场、哪次纠偏其实晚了」。会话结束后,提示迭代与领域收获混在同一段记忆里,token 数或消息条数也解释不了干预是否算数。若把复盘写进技能包目录或公开仓库,还会污染分发与用户隐私。
技能如何工作
本技能只分析当前可见会话与工作区内明示可读的文件,把一次合格会话收成紧凑的 session 记录,再在用户同意时做实质复盘。
核心问题是:用户的干预在多大程度上改变了 AI 的轨迹与任务结果? 对每个有意义的干预,按 signal(用户改了什么)→ mechanism(如何改变计划/假设/输出/风险)→ outcome → 可观察成本(可见的轮次、返工、重复解释)→ guidance 追踪,并用向量维度(leverage、precision、timing、economy、coverage、verification)标注置信度,而不是捏造单一分数。
复盘产出包括:
- 干预台账(intervention ledger):一行对应一次改变 AI 决策空间的用户动作,而非每条消息一行;
- 三块必填分析——干预效能、人类任务贡献(决策/约束/验证 vs 机械执行)、AI 使用指引;
- 对低效或不确定的干预,引用
references/intervention-examples.md格式给出「原提示词 → 失效原因 → 改进提示词 → 下一轮验证」。
长期数据以 Markdown Wiki 为真源;scripts/build_dashboard.py 生成自包含的 reflection-dashboard.html 仅作视图。存储与用户数据分离:默认经 scripts/resolve_storage.py 解析到 per-user 目录(也可 --store 或项目内 .ai-use-reflection/),register_session / mark_reviewed 管理会话与复盘状态。被动提醒可对接 scripts/evaluate_trigger.py 与 references/trigger-rubric.md(如同一目标多次修订、多次纠错、验证失败等),与技能内部分析逻辑解耦。
适用边界与注意点
- 不读取隐藏或历史聊天记录;不推断人格、智力或绩效。
- 能力轨迹(提示与协作)与领域知识轨迹分开维护;未经确认不覆盖已有 Wiki 页,倾向追加带日期的证据条目。
- 技能本身不能后台监听会话结束;若要做「会话末尾自动登记」,需由宿主应用钩子或包装层调用注册步骤。
使用场景
- 一次重构任务里你连续三次纠正 AI 的分解方式,想把每次纠偏记进干预台账并更新能力 Wiki
- 同一功能目标在会话中被改写两遍,宿主在检查点调用 evaluate_trigger 后弹出「先复盘」短提示
- 多轮结对写代码后需要区分哪些约束是你拍板的、哪些是模型执行的,再生成 reflection-dashboard 给下周对照
- 希望把低频但高杠杆的提示词改写案例按「原句→失效原因→改进句」写入长期页,而非留在聊天里
适合人员
- 长期用 Cursor/IDE Agent 写业务代码、需要把「哪次纠偏有效」沉淀成可检索 Wiki 的全栈工程师
- 维护个人 AI 协作手册、要把会话复盘与公开技能仓库彻底隔离的独立维护者
- 负责给编辑器或会话包装器接钩子、按 review_due 阈值在适当时机提示复盘的工具集成开发者
- 频繁做需求澄清与验收、希望用人类任务贡献标签记录决策证据的产品型技术负责人