القائمة
Agent 自我复盘：读取 L2/L3/L1 日志，调用 LLM 生成结构化改进提案， 写入 proposals.json 并发通知至 human.json 等待审批。 适用场景：Agent 在完成足够多任务后，触发自我评估和改进提案生成。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
技术设计文档 SOP——从需求到设计方案，产出 Markdown 文件到 /workspace/output/
Manager 团队复盘：聚合所有 Agent 的 L2 质量指标，统计 L1 人类纠正事件， 识别瓶颈 Agent 并触发其自我复盘，调用 LLM 生成团队级改进提案， 向 human.json 发送周报。
审批复盘提案（Manager 专用）。收到 type=retro_report 邮件时加载此 Skill。按改动深度分档，memory 自动批准（加闸门），skill/agent 转 Human 确认，soul 标记高风险转 Human。
团队复盘思考框架（Manager 专用）。当你收到 type=team_retro_trigger 的邮件、或被要求"做团队复盘"时加载此 Skill。从聚合视角分析全员数据，发现跨 Agent 问题，级联触发瓶颈 Agent 的自我复盘，发周报给 Human。
自我复盘思考框架。当你收到 type=retro_trigger 的邮件、或被要求"反思本周工作"/"自我复盘"时加载此 Skill。用 log_query CLI 查数据，用 LLM 推理做分析，产出结构化复盘报告和改进提案。
初始化共享工作区，第27课新增 sop/ 目录和 human.json 邮箱。新项目启动时由 Manager 调用。
| name | self-retrospective |
| description | Agent 自我复盘：读取 L2/L3/L1 日志，调用 LLM 生成结构化改进提案， 写入 proposals.json 并发通知至 human.json 等待审批。 适用场景：Agent 在完成足够多任务后，触发自我评估和改进提案生成。 |
| type | task |
PM Agent 执行自我复盘时，调用本 Skill 分析历史日志并生成结构化改进提案：
/mnt/shared/proposals/proposals.json/mnt/shared/mailboxes/human.json 等待审批脚本路径：/mnt/skills/self-retrospective/scripts/self_retro.py
# 先确保依赖已安装
pip install openai filelock -q
# 执行自我复盘
python3 /mnt/skills/self-retrospective/scripts/self_retro.py \
--logs-dir /mnt/shared/logs \
--mailbox-dir /mnt/shared/mailboxes \
--agent-id pm \
--days 7 \
--min-tasks 5
参数说明：
--logs-dir：日志根目录（固定为 /mnt/shared/logs）--mailbox-dir：邮箱目录（固定为 /mnt/shared/mailboxes）--agent-id：执行复盘的 Agent 标识（如 pm）--days：回看天数，默认 7--min-tasks：最小样本量阈值，低于此值跳过复盘，默认 5环境变量：ALIYUN_API_KEY（沙盒已注入）
{
"errcode": 0,
"errmsg": "success",
"proposals_count": 2,
"skipped": false,
"proposals": [
{
"type": "sop_update",
"target": "pm/sop/design_spec_sop.md",
"root_cause": "prompt_ambiguity",
"current": "验收标准缺少移动端适配要求",
"proposed": "在 SOP 验收清单中增加「移动端响应式」检查项",
"expected_metric": "checkpoint 通过率从 45% 提升到 75%",
"rollback_plan": "删除新增检查项，恢复原 SOP",
"evidence": ["t001", "t003"],
"priority": "high"
}
]
}
样本量不足时：
{
"errcode": 0,
"errmsg": "success",
"proposals_count": 0,
"skipped": true,
"reason": "任务数 3 < 最小样本量 5"
}
你必须通过 sandbox_execute_bash 实际运行 Python 脚本。
expected_output 字段猜测结果errcode=1：缺少 ALIYUN_API_KEY 环境变量errcode=2：LLM 调用失败（网络、API Key 无效等）skipped=true：样本量不足，非错误，正常跳过