Menu
为 AI Agent 创建元规则和领域知识，帮助用户在不熟悉领域建立 Agent 的思考方式和行为准则。专注于抽象的行事风格而非具体技术约束。适用场景：(1) 创建新 Agent 缺少行为准则，(2) 更新现有 Agent 的元规则或知识，(3) 用户不熟悉目标领域需要搜索最佳实践，(4) 希望 Agent 跨项目保持一致工作风格。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
记录 AI 犯错或可改进点，生成可复用的学习资产。支持两种模式：(1) 当前会话 - 会话结束时触发，引导用户回顾本次会话中的纠正和可改进点；(2) 指定会话 - 通过 session_id 或 JSONL 文件路径分析历史会话。存储位置：D:\desktop\quackDocs\my_notes\ai_mistake\（index.md 索引 + records.md 实体）。触发词：记录错误、记录问题、AI 错误记录、会话总结、记录教训、record mistakes。
记录 AI 犯错或可改进点，生成可复用的学习资产。支持两种模式：(1) 当前会话 - 会话结束时触发，引导用户回顾本次会话中的纠正和可改进点；(2) 指定会话 - 通过 session_id 或 JSONL 文件路径分析历史会话。存储位置：D:\desktop\quackDocs\my_notes\ai_bug_history\（index.md 索引 + records.md 实体）。触发词：记录错误、记录问题、AI 错误记录、会话总结、记录教训、record mistakes。
指导 Manager 设计和创建 Loop 循环。当 Manager 需要创建自动化循环（如 Executor-Reviewer、Writer-Editor 模式）时使用。 提供完整的设计流程：需求澄清 → 节点设计 → 用户确认 → Subagent 验证 → 创建循环。 确保循环提示词质量，避免因上下文设计不当导致循环失败。 触发词：创建循环、loop、循环设计、迭代执行、自动审查。
记录架构决策（ADR）。触发条件：(1) 艰难选择——在方案间纠结、选了A但B也有优势、知道有副作用 (2) 重构/重大修改后——改了3+次才定方案、每次改有新考虑 (3) 奇怪代码——被问"为什么这样写"、审查被质疑、自己回看也觉得奇怪 (4) 用户做出重大决策或出现决策疑问
Grilling session that challenges your plan against the existing domain model, sharpens terminology, and updates documentation (CONTEXT.md, ADRs) inline as decisions crystallise. Use when user wants to stress-test a plan against their project's language and documented decisions.
本地代码审查工具，用于审查指定范围的代码变更。支持多种输入方式：(1) git range（如 HEAD~3..HEAD）(2) 暂存区（--staged）(3) 指定文件/目录路径 (4) 模糊功能描述（如"认证模块"、"用户登录"）。必须指定审查范围，否则直接返回错误。输出审查报告到 docs/generated/。触发词：local-review、本地审查、代码审查、review。
| name | agent-trainer |
| description | 为 AI Agent 创建元规则和领域知识，帮助用户在不熟悉领域建立 Agent 的思考方式和行为准则。专注于抽象的行事风格而非具体技术约束。适用场景：(1) 创建新 Agent 缺少行为准则，(2) 更新现有 Agent 的元规则或知识，(3) 用户不熟悉目标领域需要搜索最佳实践，(4) 希望 Agent 跨项目保持一致工作风格。 |
帮助用户为 AI Agent 创建元规则（思考方式、行为准则）和领域知识库（参考文档），而非具体技术约束。
核心理念：
CLAUDE.md，不在这里重复平台说明：
AGENTS.md，Claude Code 平台加载 CLAUDE.mdCLAUDE.md 代指，实际使用时根据平台选择对应文件将分散的领域知识转化为结构化的元规则和知识库，重点是培养 Agent 的思考方式，而非堆砌技术规则。
避免重复项目规则：项目 CLAUDE.md 的技术约束（TypeScript 规范、测试要求等）会被 Agent 自动加载，不应在 Agent 配置中重复。
U1. 配置分析 → 读取现有状态 U2. 更新类型 → 增量/重构/修正 U3. 目标确认 → 影响范围 U4. 差量搜索 → 只获取需更新的部分 U5. 合并冲突 → 解决冲突，展示变更 U6. 增量更新 → 自动备份，只修改受影响部分 U7. 验证回滚 → 确认或回滚
检查 Agent 目录是否存在：
模式 A：通用领域 Agent
模式 B：项目专用 Agent
用户确认：选择模式，模式 B 需提供项目路径
询问用户：
交付物格式：参见 references/output-templates.md 的"Agent 角色定义"章节
用户确认：展示角色定义，获得明确批准后继续
分析内容：
CONTEXT.md 提取不提取：
交付物格式：参见 references/output-templates.md 的"项目风格摘要"章节
分类：
A. 元规则（放入 CLAUDE.md）：
B. 领域知识（放入 knowledge/）：
领域适配：不同领域的重点不同，参见 references/domain-adaptations.md
交付物格式：参见 references/output-templates.md 的"知识需求清单"章节
执行：
来源质量分级：
详细标准和使用规则：参见 references/source-quality-guide.md
ReAct 上限：
交付物格式：参见 references/output-templates.md 的"证据收集报告"章节
提取元规则（放入 CLAUDE.md）：
提取领域知识（放入 knowledge/）：
冲突检测（仅模式 B）：
用户确认：展示提取的元规则和知识库结构，获得明确批准
交付物格式：参见 references/output-templates.md 的"提取的规则清单"章节
生成文件：
系统提示词文件（work_root/CLAUDE.md 或 AGENTS.md）：
# Agent 角色：[名称]
## 角色定位
[从 Stage 2，3-5 句话]
## 执行前 Checklist
[从 Stage 6]
## 决策风格
[从 Stage 6]
## 执行后自检
[从 Stage 6]
## 领域知识库
参考以下文档了解领域知识和最佳实践：
- [领域基础](./knowledge/fundamentals.md)
- [最佳实践](./knowledge/best-practices.md)
- [常见陷阱](./knowledge/pitfalls.md)
知识库文件（work_root/knowledge/*.md）
训练元数据（work_root/.training-metadata.json）
文件格式详细说明：参见 references/output-templates.md 的".training-metadata.json 格式"章节
写入位置：local_data/agents/<agent_name>/work_root/
展示给用户：
询问用户：是否符合预期？需要调整？
如果需要调整：仅修改受影响的部分
如果用户批准：确认 Agent 已就绪，建议测试场景
交付物格式：参见 references/output-templates.md 的"训练总结"章节
读取：
CLAUDE.md / AGENTS.mdknowledge/ 所有文件.training-metadata.json展示给用户：
项目变更检测（仅模式 B）：
CLAUDE.md 的最后修改时间updated_at 新，提示用户是否重新学习项目风格增量更新：添加新的元规则或知识，不改变现有内容
重构更新：重新训练某个领域，替换旧的元规则或知识
修正更新：修复错误的规则或知识
用户确认：选择更新类型
询问用户：
确定影响范围：
策略：
如果需要重新分析项目（模式 B）：重新执行 Stage 3，对比差异
使用相同的质量标准（Tier A/B/C/D）
合并策略：
冲突检测：
展示变更对比：变更前后的 diff、冲突项及建议解决方案
用户确认：批准合并方案
执行：
work_root/.training-history/v{N}-backup/.training-metadata.json展示给用户：更新的文件和章节、关键变更摘要、新版本号
询问用户：更新后的内容符合预期吗？
回滚机制：如果用户不满意，提供一键回滚，从 .training-history/v{N-1}-backup/ 恢复
交付物格式：参见 references/output-templates.md 的"更新总结"章节
触发条件：无法完成训练（网络搜索不可用、用户拒绝搜索、证据停滞）
响应：
每次成功的训练必须产出：
详细格式参见 references/output-templates.md
CLAUDE.mdCLAUDE.md 的具体约束？references/output-templates.md - 各阶段交付物的详细格式references/source-quality-guide.md - Tier A/B/C/D 定义和使用规则references/domain-adaptations.md - 不同领域的元规则和知识重点references/example-interaction.md - 完整的训练流程示例/train-agent <agent_name>local_data/agents/<agent_name>/work_root/，位于项目仓库外.training-history/，支持回滚