| name | skill-discovery |
| description | 以 agent 对话为主扫描源，git 提交和反馈归档为验证补充，发现可复用的高频模式。 不预设模式类型，让模式自然浮现，所有候选由用户判断价值。 仅当用户明确说出"使用 skill-discovery"或"启动 skill-discovery"时触发。 不适用于任何隐式场景。 |
Skill Discovery — 能力沉淀器
触发约束
此 skill 仅通过显式调用触发。
⛔ 不触发的场景
- 用户提到"发现模式"、"提炼能力"等但未提及 skill-discovery
- 完成任务后的"顺便"扫描
- 用户未显式引用 @skill-discovery
✅ 触发条件
必须同时满足：
- 用户明确说出"使用 skill-discovery"或"启动 skill-discovery"，或显式引用 @skill-discovery
- 用户提供了明确需求或上下文
问题
在使用 agent 的过程中，我们积累了大量隐性知识和工作模式：
- 反复纠正同一个行为——每次都教，但从不沉淀
- 同类修复反复出现——同样的 bug 修了又修
- 工作模式被遗忘——某个流程跑通了，下次又从头摸索
- Anti-pattern 反复踩——文档里写了但 agent 不看
如果不主动提炼，这些能力就会流失。 这个 skill 就是让"从经验中提炼能力"这件事本身变得可重复、系统化。
核心原则
主扫描(agent对话) → 模式浮现 → 验证补充(git/归档) → 覆盖度检查 → 用户判断 → 草案生成
每个阶段的设计理念：
- 主扫描：agent 对话是用户与 agent 的真实互动，最能反映用户的工作方式和期望
- 模式浮现：不预设类型（预防型、护栏型等），让模式从数据中自然涌现
- 验证补充：git 和归档用于验证模式是否对应实际问题，而非发现模式
- 用户判断：所有模式列出，由用户决定价值，不预设优先级
- 草案生成：基于用户确认的模式，生成可用的 SKILL.md
执行流程
Phase 1: 信号收集
设计理念：agent 对话是主扫描源，git 和归档是验证补充。
特殊场景：用户指定扫描对象时，跳过主扫描 JSONL。
1a. Agent 对话扫描
判断扫描方式：
- 用户指定扫描对象（如"当前对话所有内容"、"分析这次对话"） → 直接扫描指定对话
- 用户未指定 → 执行 JSONL 主扫描（扫描最近30天历史）
用户指定扫描对象时：
扫描目标：用户指定的对话内容（如"当前对话所有内容"、"这次对话"）
执行步骤：
Step 1: 提取关键节点
- 用户反馈（纠正、抱怨、追问）
- Agent 响应（重做、调整、修复）
- 任务转折点（切换方向、重新规划）
Step 2: 识别模式
- 用户反复纠正的行为（≥2次）
- Agent 反复踩的坑
- 用户反复强调的原则
Step 3: 识别模式关系
- 多个模式是否是同一流程的不同阶段？
- 是否可以整合为一个范式？
- 整合后是否覆盖所有子模式？
Step 4: 输出模式清单
- 如有整合可能，输出整合范式（不是独立列举）
- 包含：范式名称、核心流程、真实案例
Step 5: 评估模式质量（参考）
- 模式来源：当前对话 → 可能需要抽象化（从具体场景到通用范式）
- 执行方法：只有步骤名称 → 可能需要补充方法
- 输出：质量提示（给用户和 my-create-skill 参考）
示例：
用户反复纠正同一类行为：
- "检查上下游影响"（出现12次）
- "看看调用者"（出现8次）
- "整体考虑"（出现6次）
整合输出：改动影响分析范式（不是3个独立模式）
核心流程：定位改动 → 追踪调用链 → 检查副作用 → 输出影响清单
质量提示：
- 来源：当前对话 → 创建 skill 时需通用化（从具体项目到通用范式）
1b. JSONL 主扫描（用户未指定时执行）
扫描目标：
- Claude Code:
~/.claude/projects/{project-name}/*.jsonl
- Cursor:
~/.cursor/projects/{project-name}/agent-transcripts/*.jsonl
- Codex:
~/.codex/history.jsonl（单文件；按 cwd 过滤当前项目）
- 范围：最近 30 天
执行步骤：
Step 1: 提取用户消息
- 读取 JSONL，提取 type="user" 且 role="user" 的消息
- 过滤掉 tool_result、<command-name>（非用户真实表达）
- 截取前 300 字符
Step 2: 统计模式
- 完全重复消息：≥3 次的相同消息
- 关键词频率：高频关键词（改、检查、上下游等）
- 关键词组合聚类
Step 3: 输出模式清单
- 每个模式：名称、出现次数、典型片段
1c. Git 提交验证（补充）
定位：验证模式是否对应实际问题。
git log --all --oneline --grep="fix" --grep="修复" --grep="bug" -i -50
验证逻辑：
- 有反复修复 → 模式有价值
- 无对应修复 → 可能是用户偏好，需用户判断
1d. 反馈归档验证（补充）
定位：验证模式是否对应反复讨论的问题。
扫描路径：docs/feedback/archive/
验证逻辑：
- 有反复讨论 → 模式有价值
- 无对应讨论 → 需用户判断
Phase 2: 模式整理
整理发现的模式：
输出格式：
--- 发现模式 ---
模式: {名称}
次数: {出现次数}
来源: {当前对话 / JSONL扫描 / git提交}
验证: git有/无对应修复
典型: {片段前100字}
质量提示: {如来源为当前对话，标注"需通用化"}
Phase 3: 用户判断
展示模式清单，用户判断价值：
共发现 X 个模式
请判断：
- 输入"接受 X"确认某个模式
- 输入"接受全部"确认所有模式
- 输入"取消"中止
Phase 4: 覆盖度检查
检查现有 skill 是否已覆盖。
扫描目标：
- 项目级：
.agents/skills/、.claude/skills/、.cursor/rules/
- 全局级：
~/.codex/skills/、~/.claude/skills/
覆盖情况判断：
| 覆盖 | 行动 |
|---|
| 完全覆盖 | 不生成草案 |
| 部分覆盖 | 建议修改现有 skill |
| 无覆盖 | 生成新 skill 草案 |
Phase 5: 草案生成策略
首先检查 my-create-skill 是否可用：
扫描 skill 目录：
.agents/skills/my-create-skill/SKILL.md.claude/skills/my-create-skill/SKILL.md.cursor/skills/my-create-skill/SKILL.md
如果可用：
- 输出候选清单（名称、触发条件）
- 建议用户：
使用 my-create-skill 创建 {skill-name}
- 本 skill 不生成完整草案，my-create-skill 会处理格式规范
如果不可用：
- 本 skill 生成简化草案框架（不含完整触发约束段落）
- 提醒用户：草案格式可能不完整，建议后续校验
简化草案格式：
---
name: {skill-name}
description: {1句话描述，说明用途}
---
{1-3 条核心原则}
{步骤化的操作指南}
草案质量要求：
- MUST 包含可执行的步骤
- NEVER 编造未扫描到的模式
- NEVER 生成空模板或占位符
Phase 6: 输出与交付
生成 能力发现报告（文本形式）：
=== 能力发现报告 ===
扫描范围：agent transcripts（30天）、git（验证）、归档（验证）
发现模式：X 个
--- 模式清单 ---
1. {模式名称}
次数: X 次
验证: git有/无对应修复，归档有/无对应讨论
典型: {片段前100字}
2. ...
--- 用户确认 ---
{列出用户确认的 skill 候选}
--- 建议行动 ---
my-create-skill 可用，建议执行：
使用 my-create-skill 创建 {skill-name}
{如有质量提示，补充：}
注意：此模式来自{来源}，创建 skill 时：
- {如来源为当前对话} 需通用化（从具体场景到通用范式）
- {如执行方法不足} 需补充具体执行方法
输出选项：
- 默认输出文本报告（对话中展示）
- 用户明确要求时可写入文件：
- 报告：用户指定路径
- 草案：宿主项目 Skills 目录中的
{skill-name}/SKILL.md（仅当 my-create-skill 不可用时）
Phase 7: 用户确认与草案生成
用户确认后，生成草案：
确认后的输出格式：
--- 确认的 skill 候选 ---
候选 1: {skill-name}
模式来源: {模式名称}
触发条件: {从模式推断}
--- 草案预览 ---
{简化草案内容}
注意：
- 此阶段只输出文本草案，不写入文件
- 用户需显式说"写到 XXX"才执行写入
硬约束
- MUST 只读扫描 — 扫描阶段不修改任何项目数据
- MUST 输出文本 — 报告和草案以对话文本形式输出，不默认写文件
- MUST 用户指定写入路径 — 只有用户明确说"写到 XXX"时才写入
- MUST 遵循格式 — 草案与用户已有全局 skill 格式一致
- NEVER 自动写入文件 — 不写入 skill 目录、不写入临时文件、不写入任何位置
- NEVER 编造模式 — 不凭空想象可能的 skill
- NEVER 自动注册 — skill 的创建、注册、提交全部由用户手动完成
- NEVER 扫描敏感数据 — 跳过 credentials、tokens、.env 等文件
- NEVER 在扫描失败时静默跳过 — 明确报告哪些数据源不可用
