Menu
把用户的"纠正"转化为团队资产。当 AI 识别到模式性教训时，主动提议沉淀到对应知识层级。
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
| name | self-refinement |
| description | 把用户的"纠正"转化为团队资产。当 AI 识别到模式性教训时，主动提议沉淀到对应知识层级。 |
| allowed-tools | Read, Write, Edit, Glob |
LLM 没有跨会话记忆。但团队每一次"纠正"都是宝贵信号。这个 Skill 把信号变成可复用资产。
| 类型 | 处理 |
|---|---|
| 一次性 diff（个人偏好/口误） | 修当下，不沉淀 |
| 模式性教训（团队规范/反复出现） | 必须沉淀 |
| 业务事实更新（数据/拓扑变化） | 沉淀到对应 INDEX/architecture |
┌────────────────────────────┐
│ 影响范围？ │
└─────┬──────┬──────┬────────┘
│ │ │
全团队 需求研发 单服务
▼ ▼ ▼
context/ context/harness- context/project/
team/ framework/ {project}/{module}/
context/team/{topic}.md（追加章节而不是新文件）context/harness-framework/{specific-spec}.mdcontext/project/{p}/{m}/experience/{YYYY-MM-DD}-{slug}.md# 教训：{一句话标题}
- **日期**: YYYY-MM-DD
- **来源**: {用户纠正 / 故障复盘 / review 发现}
- **影响范围**: {模块/服务/接口}
## 现象
…（具体出了什么问题）
## 根因
…（为什么会发生）
## 教训（机读）
> **{一行核心规则，可被 AI 主动引用}**
## 修复模式
```{lang}
…（标准修复代码片段）
…（什么场景下 AI 应该主动应用此教训）
## 工作流
1. 识别信号
2. 询问用户：「这是一次性还是模式性？」「沉淀到哪一层？」
3. 用户确认后，按模板生成文件
4. 更新对应 INDEX.md
5. 若涉及规范修订，提示用户跑 `scripts/lint-knowledge.sh`
## 反模式（禁止）
- ❌ 用户没纠正，AI 主动臆造"教训"
- ❌ 把"个人偏好"沉淀为"团队规范"
- ❌ 沉淀时不询问层级，默认写到团队级（会污染最稳定层）
- ❌ 沉淀文件无 AI 触发提示（沉淀了用不上）
## 元案例
> 写 Harness Engineering 框架的过程本身就是 self-refinement 的活样本：
> 占位符词典从模糊到唯一真相源，就是一次模式性教训的沉淀。
校验业务代码与 IDL 契约同步、字段冻结状态是否被破坏。作为 8 维度 code review 的"契约一致"维度，可被 design-checker / code-review-preparer 调用，也可独立运行。
聚合 8 维度 review Agent 的产出，生成统一的 review 报告并写入 reviews/{ts}.md。
当 context/ 下新增/删除文件时，自动更新对应层级的 INDEX.md，避免"孤儿文件"。
按 templates/detail-design.md 模板撰写详细设计文档，包括数据模型、IDL 变更、接口设计、决策、错误处理、监控、灰度等。
运维操作中心（Operations Center）通用适配器——为团队的运营/运维操作（开关、灰度、限流、降级）提供统一调用约定。具体实现按团队接入。
DevOps CLI 通用适配器——把团队的部署/构建/发布命令包装成一致的高层接口。具体实现按团队接入。