agenote-review

name	agenote-review
description	会话后经验采集与留痕。**触发信号**：agenote-hooks 插件检测到完成信号 / 用户触发 `/agenote-summarize` / 长任务结束前的例行评估 / 用户纠正了你 / 排查 >2 步才定位根因 / 发现了比初始方案更优的写法。**当上述任一信号出现时立即调用本 skill** 做"经验信号识别 + ENTRY_TYPE 判定 + 留痕决策树"，按其内部规则写卡片或 touch 已有卡片。基础用法见 `agenote-base`。

agenote-review — 会话后经验采集与留痕

会话结束时（或检测到完成信号时），评估是否有可记录的经验，并对用到的资料留痕。

agenote 已改造为 MCP server，以下 agenote_* 均为 MCP tool 名。底层 CLI 为 agenote（~/.local/bin/agenote），默认操作 agenote 子库（与 MCP server 对齐），--domain human 切到人类知识库根。

触发时机

• agenote-hooks 插件检测到完成信号（见 references/triggers.md）
• 用户主动 /agenote-summarize
• 长会话结束前的例行评估

任务前预检

开始任何非平凡任务前，必须先执行 `agenote list --category --all` 读取对应领域标题索引；每次都必须做。标题列表不足以定位时，再执行 `agenote search` 正文预检。

agenote list --category <相关类别> --all
agenote get <明显相关的卡片ID>
agenote search "<当前任务的关键技术 工具 症状>"
agenote profile

必须预检：调试/排障、配置修改、已使用过的技术栈、与之前类似的问题。 可跳过：全新领域开发、简单编辑、有明确文档的标准操作。

结果处理：高相关 → 作为上下文参考；低相关/空 → 静默继续；矛盾 → 以较新/经验证的为准。

评估决策树

本次对话是否有可记录的经验信号？
│
├─ 是 → 判断 ENTRY_TYPE
│   ├─ 用户纠正/走弯路/误判 → agenote_add(entry="mistake", ...)
│   ├─ 查到的有用知识/方案 → agenote_add(entry="note", ...)
│   └─ 多轮试错后的最优方案 → agenote_add(entry="ascended", ...)
│
└─ 否 → 还要评估"留痕"
    │
    本轮用到了哪些外部资料？
    ├─ 来自 agenote/人类KB 的已有卡片 → agenote_touch(target="<ID>")
    └─ 来自联网的新知识
        ├─ 已确认有用（实际应用到代码/答案）→ agenote_add(type="note", ...)
        └─ 仅浏览未采用 → 不记录（避免噪音）

如果既无经验信号、又无留痕需求 → 明确回复"本次无可记录经验"

轻量写入

不是所有经验都值得写完整卡片：

目标	方式	条件
可复用技术经验	agenote add 完整卡片	排查 >2 步、跨工具、架构决策
偏好/习惯	agenote memory --add	偏好表达、行为纠正
一句话注意	agenote inbox / agenote update --append	简单修正、补充
不写	—	一次性细节、环境失败、否定声明

优先级：纠正(mistake) > 调试(debug/config) > 工作流 > 功能

可记录信号清单

经验信号（触发 add）

• 用户纠正：用户指出 agent 的错误（"不对"、"应该是"、"重新做"）
• 踩坑：agent 遇到报错、卡住、反复调试
• 更优方案：发现比当前做法更好的方式
• 项目决策：确定某技术选型、架构方向

完成信号（触发本评估流程）

完整清单见 references/triggers.md（agenote-hooks 插件单一真相源）。

记忆信号（写入 MEMORY.org）

信号类型	记忆类型	关键词/信号	写入命令
偏好表达	feedback	"我喜欢..."、"不要..."、"停..."	agenote memory --add --type feedback
行为纠正	feedback	用户纠正了你的工作方式（非技术错误）	agenote memory --add --type feedback
习惯模式	feedback	同一偏好出现 ≥2 次	agenote memory --add --type feedback
项目决策	project	不可从代码推导的项目级决策/状态	agenote memory --add --type project --project <id>
外部指针	reference	外部系统/文档/资源的位置信息	agenote memory --add --type reference

MEMORY vs KB 边界：

• "你怎么做"（风格/流程/工具选择偏好）→ MEMORY
• "你做错了"（事实/技术错误）→ KB
• 两者可能并存：同一事件同时写入 MEMORY 和 KB

防误触发：

• 技术性纠正（"正则写错了"、"参数传反了"）→ 只写 KB，不写 MEMORY
• 普通确认（"好的"、"行"）→ 不触发任何系统

写入时机

必须写入：非显而易见的 bug（排查 >2 步）、环境特殊行为、配置踩坑、用户纠正。

不必写入：语法拼写修正、文档有明确答案、一次性操作、已有经验覆盖、用户仍在纠正中。

写入流程

1. agenote search 去重
2. 矛盾检测 — 新发现是否与已有卡片/pattern 矛盾
3. agenote fields 查看标签，优先复用
4. agenote add 写入卡片（CLI 用法见 agenote-base skill）
5. agenote lint 校验格式
6. 传播联动 — 检查受影响的 pattern/卡片
7. agenote connect 建立关联链接
8. agenote profile --add 更新画像（如涉及偏好/项目变化）

MEMORY 写入流程

1. 判断信号类型（偏好/行为纠正/习惯 → feedback，项目决策 → project，外部指针 → reference）
2. agenote memory --add --type <type> [--project <id>] --title "标题" --stdin <<EOF 正文 EOF
3. feedback 类型：自动分配 F 序号，插入 MEMORY.org * feedback 节
4. project 类型：自动追加到 memories/projects/.org 对应节
5. reference 类型：自动分配 R 序号，插入 MEMORY.org * reference 节

增量更新原则

• 任务完成后立即触发 — 不要累积多个任务后再统一总结
• 小步快跑 — 一个任务一张卡片，不要把多个不相关经验塞进一张卡片
• 即时回顾 — 写入后快速浏览相关卡片，确认新经验是否与已有知识形成有效连接

mistake 卡片必须覆盖

1. 原始问题
2. 用户纠错反馈链
3. 这次错在哪里
4. 最终正确处理
5. 下次自检
6. 不确定结论标注 (推测)/(单源)，可能过时标注验证日期

note 卡片必须覆盖

1. 事项内容
2. 为什么值得长期保留
3. 适用场景和边界
4. 后续行动

写入规范

写入前决策

1. agenote search 去重 — 已有卡片覆盖时补充修正，不新建重复卡
2. 优先复用已有标签 — agenote fields 查看现有 category/tech，只有全新领域才创建新类别
3. 项目私有细节只写必要上下文；可泛化规则晋升到 pattern
4. 卡片保存完整过程，pattern 保存紧凑规则；二者可共存，pattern 必须引用卡片 ID

详见 references/writing-guide.md 和 references/ai-first-rules.md。

Entry type 映射

来源语义	--entry	推荐 type	推荐 owner
用户纠错	mistake	debug / config	collaborative
长期注意事项	note	workflow / config	ai
飞升模式复盘	ascended	debug / workflow	collaborative

卡片生命周期

done → stable(策展验证) → stale(>30天未验证) → archived(>90天)

• agenote touch <id> — 标记"刚用过"
• agenote update <id> --status stable — 策展后设为 stable
• agenote archive <id> — 归档
• agenote restore <id> — 恢复
• agenote review <id> — 审查卡片质量

模式归纳

同类经验 ≥3 次 → 晋升为 pattern。晋升不删除原卡片。

模式结构（≤5 行）：

** <结论性标题>
   <一句话声明式规则>。
   适用：<场景>
   例外：<反例或边界条件>
   参考：<经验卡片 ID>

模式即时修补：使用 pattern 时发现过时/不完整/有误，必须立即修补，不要等待用户提醒。

回顾机制

定期（建议每月）执行以下回顾：

1. 知识内化检查 — 浏览最近 10 张卡片，问自己：这些经验是否已成为默认行为？
2. 模式有效性 — 检查 patterns.org 中的模式，是否有已被新实践推翻的？
3. 连接补全 — 扫描孤立卡片（无 connect 链接），评估是否需要建立关联
4. 画像更新 — 检查 profile.org 是否反映当前真实偏好和项目状态

回顾可手动执行，也可由 agenote-curator skill 在后台策展时一并完成。

飞升模式

同一问题被纠正 ≥2 次仍无法解决 → 进入飞升模式。

核心：全面检索知识源 → 筛出最接近经验 → 解释失败原因 → 给出最强方案 → 写入经验卡片。

详细步骤见 references/ascended-mode.md。

用户画像维护

触发条件

• profile.org 的 #+date 距离当前日期超过 7 天
• 经验写入流程第 8 步中发现用户的偏好变化或活跃项目变更

分类体系

固定 5 个一级分类：身份 / 偏好 / 习惯 / 活跃项目 / 目标

CLI 操作

agenote profile                                 # 概览
agenote profile <分类名>                        # 查看指定分类
agenote profile --add "目标" --text "..."       # 追加条目
echo "- 新内容" | agenote profile --set "偏好"  # 覆盖分类

留痕操作

对已有卡片留痕（复用）

当本次会话引用/使用了某张已有卡片（人类的或 agenote 的）：

agenote_touch(target="<ID>")           # 递增 USAGE_COUNT + 更新 LAST_USED
# 或读取时顺手留痕：
agenote_get(target="<ID>", used=true)

注意：先用 agenote_search 或 agenote_list 找到卡片 ID（get/touch 用 ID 匹配，不是 title）。

对联网新知识留痕（首次获取）

agenote_add(
    title="<知识标题>",
    type="note",
    entry="note",
    body="来源: <URL/API>\n核心结论: ...\n适用场景: ..."
)

避免噪音

• 纯浏览未采用的资料不记录
• 临时调试输出、可从代码直接推导的信息不记录
• 一次性任务、不具复用价值的细节不记录
• note 卡片由 agenote-curator 定期 dedup（避免同一知识多次联网各记一条）

与 memory 系统的边界

• 卡片（experiences/）：记"某次具体事件/知识"——有明确时间点
• memory（MEMORY.org）：记"跨会话偏好/项目元数据"——持续性
• 用户偏好 → agenote_memory_add(mem_type="feedback", ...)
• 项目约束 → agenote_memory_add(mem_type="project", project="<名>", ...)

详细参考

• 经验信号检测触发器 — 完整信号清单
• 写入决策树 — 轻量 vs 完整卡片
• 轻量写入模式 — 快速捕获与补充
• 写作指南 — 传播联动、自包含、时效性、矛盾检测
• AI-First 卡片规则 — 自包含上下文、摘要、置信度标注
• 飞升模式详解