self-refinement

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

Skill: self-refinement

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。

触发条件

1. 用户明确表达不满或纠正：「不对」「不是这样」「我们这边不这么做」
2. AI 自检发现违反了团队规范（context/team/ 或 context/project/）
3. 阶段 5.2 经验沉淀（管理 lifecycle 自动触发）
4. Review 报告中发现高频问题

判断步骤

1. 信号分类

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

2. 层级选择

  ┌────────────────────────────┐
  │ 影响范围？                                       │
  └─────┬──────┬──────┬────────┘
              │            │             │
         全团队          需求研发         单服务
              ▼            ▼             ▼
      context/      context/harness-   context/project/
      team/         framework/         {project}/{module}/

3. 文件命名约定

• 团队级：context/team/{topic}.md（追加章节而不是新文件）
• 框架级：context/harness-framework/{specific-spec}.md
• 服务级：context/project/{p}/{m}/experience/{YYYY-MM-DD}-{slug}.md

4. 沉淀模板（服务级 experience）

# 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）

关联规范

• …

AI 触发提示

…（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。