learning-workflow

name	learning-workflow
description	任务驱动的系统化学习与知识沉淀工作流。触发：学习任务、阅读计划、知识文档、研究笔记、用例分析、skill 学习、自我提升、飞书任务同步。不适用于：单次网页摘要（用 summarize）、coding agent 代码审查（用 coding-agent）、已明确的简单文件读取。

Learning Workflow — 任务驱动学习工作流

以飞书任务清单为任务中枢，全流程闭环：接任务 → 扫描分类 → 分解子任务 → 逐项学习沉淀 → 落地执行 → 知识库同步 → 标记完成 → 最终总结增益。

全流程概览

接到学习任务
    ↓
Phase 0: 创建飞书学习总任务
    ↓
Phase 1: 全量扫描与 A/B/C 分类
    ↓
Phase 2: 分解学习子任务 → 同步飞书 → 确认优先级
    ↓
Phase 3: 逐项学习 + 沉淀文档 + 落地执行 + 知识库同步 + 标记完成
    ↓
Phase 4: 最终总结 + 三方增益提取 + 能力提升

---

Phase 0: 创建飞书学习总任务

目标: 在飞书任务清单「念念待办」中创建总任务，作为学习进度的唯一追踪源。

步骤:

1. 确认学习资源和范围
2. 在飞书任务清单中创建总任务：
   • 标题: 📖 学习: {资源名称}
   • 描述: 资源链接 + 学习目标 + 预计周期
   • 截止时间: 根据内容量评估
   • 负责人: Ray（用户 open_id）
   • 关注人: Ray
3. 暂不分解子任务，等 Phase 1 扫描分类后根据实际内容分解

注意: 后续所有进度以飞书任务状态为准，每完成一个节点就更新。

---

Phase 1: 全量扫描与分类

目标: 快速掌握学习资源全貌，按现有能力三档分类。

步骤:

1. 获取资源清单（README 目录、文件列表、sitemap 等）
2. 对每个条目提取：名称、一句话描述、难度、领域标签
3. 对照已有能力做三档分类：

分类	含义	标记	后续动作
A - 已掌握	已有类似配置/skill/能力	🟢	记录即可，不重复学习
B - 可落地	参考价值大，少量适配可用	🟡	进入 Phase 3 深度学习
C - 新领域	全新场景，需深入研究	🔵	评估优先级，高价值的进入 Phase 3

已有能力对照: 见 references/existing-capabilities.md

输出: research/{topic-name}-analysis.md 分类汇总表

执行: 用 sessions_spawn isolated subagent 后台跑，不影响主会话。

Subagent Prompt 模板: 见 references/subagent-prompts.md

---

Phase 2: 分解学习子任务 → 同步飞书 → 确认优先级

目标: 基于 Phase 1 分类结果，将 B/C 类高价值条目拆成可执行的学习子任务。

步骤:

1. 从 Phase 1 结果中筛选出需要深入学习的条目（B 类全部 + C 类高优先级）
2. 按主题/领域分组，每组作为一个子任务
3. 使用 feishu_task_subtask 在总任务下批量创建子任务：
   • 标题格式: {序号}. {主题名} — {包含的具体条目}
   • 描述: 学习目标 + 关键产出物
   • 截止时间: 每个子任务 1-3 天
4. 向 Ray 展示子任务清单，确认优先级和排除项
   • Ray 可能排除某些子任务（如"A股不感兴趣"）
   • 调整后的优先级决定 Phase 3 执行顺序

子任务分组原则:

• 同一领域/工具的条目归为一组
• 每组不超过 3-5 个具体条目
• 每组有明确的产出物要求
• 标注优先级（P0 必须 / P1 重要 / P2 可选）

---

Phase 3: 逐项学习 + 沉淀 + 落地 + 知识库同步

目标: 按子任务逐个深入学习，每个完成后沉淀文档、执行落地、同步知识库、标记完成。

单个子任务执行循环

对每个子任务重复以下步骤：

Step 3.1: 深度阅读

1. 拉取该子任务涉及的所有用例/文档的完整内容
2. 提取关键信息：
   • 痛点与解决方案概要
   • 所需技能/工具/依赖
   • 关键配置和 prompt（可复制的直接记录）
   • 与我们现有配置的差异点
   • 踩坑经验和最佳实践

Step 3.2: 沉淀学习笔记

1. 将学习内容整理成结构化文档，追加到 research/{topic-name}-analysis.md 对应章节
2. 每个条目的笔记格式：

### {用例名称}
- **痛点**: ...
- **方案**: ...
- **关键配置**:

prompt/配置/代码片段

- **与我们的差异**: ...
- **落地建议**: ...
- **工作量估算**: 小/中/大

Step 3.3: 落地执行（关键新增）

1. 学习完成不代表任务完成，必须实际部署/配置/创建
2. 落地方式按优先级：
   • 改现有配置 — 直接修改 cron/skill/HEARTBEAT（最优先）
   • 写脚本 — 创建 scripts/ 下的工具脚本
   • 新增 cron — 配置 isolated session 定时任务
   • 安装 skill — clawhub/skillhub install
   • 新增 skill — 参考 skill-creator
3. 落地后验证可用（脚本测试、cron 手动触发、API 验证等）

Step 3.4: 同步知识库（双通道）

1. 飞书知识库（长期沉淀）: <<<<<<< HEAD
   • Space ID: 7624953904228207821 =======
   • Space ID: 7600000000000000000

0b16965cf9e8ed0cbfb77a2dd281c8c04f090264

• 有长期参考价值的内容同步到对应节点
• 使用 feishu_wiki_space_node 创建或 feishu_create_doc + feishu_update_doc 追加
• 新主题→新建文档；已有主题→追加

2. OpenViking 语义记忆（即时检索）:
   • 关键决策、教训、新发现用 memory_store 存储
   • 方便未来 session 快速回忆

Step 3.5: 标记子任务完成

1. 调用 feishu_task_task patch 标记子任务为已完成
2. 更新总任务描述中的进度（如 进度: 3/10）

并行执行策略

核心原则: 完成一个立刻开始下一个，不等不靠，按周维度等待是错误的。

场景	策略
多个学习子任务相互独立	用 sessions_spawn 并行派 subagent
学习与落地可并行	学习 subagent + 落地 subagent 同时跑
落地任务有依赖关系	前一个落地完成后立刻启动下一个
Ray 明确说"先全部学完再看"	学习阶段并行跑，汇总后一次展示

执行节奏: 不按周等待。完成前一个子任务→立即启动下一个。批量汇报，不打断用户。

---

Phase 4: 最终总结 + 增益提取 + 能力提升

目标: 所有子任务完成后，输出三份增益文档，形成能力提升闭环。

Step 4.1: 完整学习总结

输出文件: research/{topic-name}-summary.md

内容结构：

# {Topic Name} 学习总结

## 学习概况
- 资源: {URL}
- 时间: {开始} ~ {结束}
- 总条目: N 个（A: x / B: y / C: z）
- 深入学习: M 个（完成: M 个）
- 落地部署: K 个

## 能力变化
### 学习前
- 已有能力列表...

### 学习后新增
- [x] {新能力1} — 来源: {用例} — 已落地
- [x] {新能力2} — 来源: {用例} — 已落地
- [ ] {新能力3} — 来源: {用例} — 待评估

## 关键发现
1. ...

## 落地计划
| 优先级 | 增益项 | 落地方式 | 状态 |
|--------|--------|----------|------|

Step 4.2: 三方增益文档

从学习成果中提取对三个角色的增益，分别整理：

🧑 对 Ray 的增益

• 保存到飞书知识库「实践笔记」
• 内容：可直接使用的 prompt 模板、配置方案、效率提升技巧
• 重点是拿来就能用

🤖 对 OpenClaw 的增益

• 保存到飞书知识库「实践笔记」+ 本地 skill/配置更新
• 内容：可固化为 skill 的流程、可加入早报/周报的模块、可自动化的 cron 任务
• 重点是系统能力提升

🧠 对 Claude/GLM 的增益

• 更新 references/existing-capabilities.md 和 MEMORY.md
• 内容：模型能力的认知更新、prompt 工程技巧、agent 协作模式
• 重点是认知提升

Step 4.3: 能力提升落地

根据增益文档，按优先级执行：

优先级	动作	方式
P0	改进现有配置	直接修改 skill/cron/HEARTBEAT
P1	新增 skill	参考 skill-creator
P2	新增 cron job	配置 isolated session
P3	新依赖安装	先确认再动

Step 4.4: 收尾

1. 更新 MEMORY.md — 新增学习记录和能力变化
2. 在当天 daily notes 记录学习完成
3. 标记飞书总任务为已完成
4. 通知 Ray 学习全部完成，附总结链接

---

飞书任务结构示意

📖 学习: awesome-openclaw-usecases-zh
├── ✅ 1. 竞品分析系统 — 竞争对手分析 + 价格监控
├── ✅ 2. 基础设施增强 — 服务器自愈 + n8n编排
├── ✅ 3. 论文发现流水线 — HF论文 + arXiv + 创意验证
├── ⬜ 4. 项目管理 + 仪表板 + 内容工厂
├── ⬜ 5. 效率工具集 — 新闻摘要 + 办公自动化
└── ⬜ 6. 最终总结 + 三方增益提取

注意事项

• 飞书任务是唯一进度源，不靠记忆追踪
• 完成一个立刻开始下一个，不等不靠
• Phase 1 可 subagent 后台跑，Phase 3 学习可并行但知识库同步建议主会话
• 知识库同步不要每条都建新文档，优先追加到已有主题文档
• 学习文档存 research/，正式能力文档存 docs/
• 子任务截止时间要合理，留 buffer
• Ray 可以中途调整优先级或排除子任务，灵活响应
• 学习+落地是两个步骤，学完必须落地才算真正完成