القائمة
Skill感知反思器。Use when 任务失败或效果不佳且 applied_skills 非空时，先对失败轨迹分类（SKILL_DEFECT / EXECUTION_LAPSE / DISCOVERY / OPTIMIZATION），再决定是否调用 skill.evolve，防止误改有效技能。基于 EmbodiSkill（arXiv:2605.10332）。
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
Use when Codex needs to implement, debug, refactor, or review code in a repository, especially tasks involving source files, failing tests, logs, runtime behavior, API wiring, or multi-file changes that require evidence-driven edits and verification.
通用问题解决技能。Use when 任务需要像 Codex 一样跨多轮定位问题、实现修复、处理失败、验证结果，尤其是用户纠正你误解、同类失败重复、任务涉及未知系统能力或需要先发现环境能力时。
反循环感知技能。Use when 检测到重复工具调用、WM 出现循环信号、durable_failure 窗口内、或需要判断是否继续重试时，用于识别证据是否停滞、哪些选择可能打破循环。
Skill质量评估优化器（达尔文循环）。Use when 需要系统评估指定/全部 skill 的质量打分、找最弱维度并迭代改进、用棘轮原则保留有净收益的改动时。触发词：优化skill / 评估skill / darwin / skill质量 / skill评分 / skill review / skill改进。
失败反思技能。Use when 已积累失败信号、连续重试无效、或需要区分参数错误、环境缺失、前提不满足与策略错误。
灵舟自进化稳态技能。Use when 进行 code/tool/prompt/skill 自进化，或出现‘进化后崩溃/可用性下降/回归’信号时。
| name | skill-aware-reflection |
| aliases | embodiskill |
| description | Skill感知反思器。Use when 任务失败或效果不佳且 applied_skills 非空时，先对失败轨迹分类（SKILL_DEFECT / EXECUTION_LAPSE / DISCOVERY / OPTIMIZATION），再决定是否调用 skill.evolve，防止误改有效技能。基于 EmbodiSkill（arXiv:2605.10332）。 |
| compatibility | Designed for Lingzhou agent runtime. Requires skill.activate, skill.evolve tools. |
| tags | skill, evolution, reflection, failure-analysis |
| metadata | {"source":"https://arxiv.org/abs/2605.10332 (adapted for lingzhou)"} |
| triggers | skill演化, 技能更新, 失败反思, skill改进, 任务失败后 |
| state_rules | failure_signal_ratio >= 0.1 => 0.9 |
基于 EmbodiSkill（arXiv:2605.10332）核心原理：失败任务的证据可能来自技能内容本身的问题，也可能只是执行偏差。把失败轨迹直接转化为整体技能更新，会误改有效的技能内容，导致技能退化。
applied_skills 包含某个 skill，且任务失败或效果不及预期时，先运行本反思流程，再决定是否调用 skill.evolve。
| 类型 | 含义 | skill.evolve 操作 |
|---|---|---|
| DISCOVERY | 轨迹揭示了 skill 未覆盖的有用知识 | feedback="添加: [新内容]" |
| OPTIMIZATION | skill 内容正确，但轨迹发现了更好的执行方式 | feedback="优化: 第N条 → [更好方式]" |
| 类型 | 含义 | skill.evolve 操作 |
|---|---|---|
| SKILL_DEFECT | skill 指导本身有错 / 不完整 / 描述不准确，导致失败 | feedback="修正: 第N条 '[原文]' → [正确内容]" |
| EXECUTION_LAPSE | skill 内容正确，但执行中未遵循该条指导 | feedback="⚠️ 执行提醒: 第N条 '[引用内容]' 在 [场景] 中不能跳过。执行中发生了: [偏差描述]" |
关键区别：
- SKILL_DEFECT → 修改技能主体内容
- EXECUTION_LAPSE → 只在技能末尾增加强调，不改核心逻辑
1. skill.activate(skill_name) — 重新读取当前技能全文
2. 对照失败轨迹逐条检查技能指导：
- 这条指导在轨迹中被遵循了吗？
- 是，且任务仍然失败 → SKILL_DEFECT（指导本身有问题）
- 否，且如果遵循就不会失败 → EXECUTION_LAPSE（执行偏差）
- 轨迹揭示了技能完全未覆盖的情形 → DISCOVERY（添加新内容）
- 轨迹发现了已有指导的更高效方式 → OPTIMIZATION（优化）
3. 无充分证据时（轨迹模糊/环境随机性）→ 不产生 skill.evolve 调用
4. 每条反思信号单独调用 skill.evolve（便于归因和回退）
EXECUTION_LAPSE 产生的 skill.evolve feedback 应引导在技能末尾新增或更新"执行提醒"区块：
## ⚠️ 执行提醒
- **[场景描述]**：[引用的有效指导内容]不可跳过。常见偏差：[具体偏差现象]
这个区块不引入新规则，只强调现有有效内容，供后续执行时重点关注。
| # | 错误做法 | 正确做法 |
|---|---|---|
| 1 | 任务失败就直接 skill.evolve 重写整个技能 | 先用4类型分类，只修改有明确证据的部分 |
| 2 | EXECUTION_LAPSE 时修改技能核心逻辑 | 只在技能末尾加 ## ⚠️ 执行提醒，不动正文 |
| 3 | 无明确证据也产生 skill.evolve 调用 | 无证据 → 不产生更新（m=0，保护技能稳定性） |
| 4 | 一次 skill.evolve 打包多个反思信号 | 每条信号单独 evolve，便于回退和归因 |
| 5 | 将环境随机性误判为 SKILL_DEFECT | 先看是否可重现，随机失败不改技能 |
推荐触发顺序：失败发生 → 先运行本 skill 的 4 类分类 → 若发现 SKILL_DEFECT 且改动影响较大，再用 darwin-skill Phase 1 评估改动前后分数，确认改动有净收益后才保留。