// 自我复盘思考框架。当你收到 type=retro_trigger 的邮件、或被要求"反思本周工作"/"自我复盘"时加载此 Skill。用 log_query CLI 查数据，用 LLM 推理做分析，产出结构化复盘报告和改进提案。
技术设计文档 SOP——从需求到设计方案，产出 Markdown 文件到 /workspace/output/
Agent 自我复盘：读取 L2/L3/L1 日志，调用 LLM 生成结构化改进提案， 写入 proposals.json 并发通知至 human.json 等待审批。 适用场景：Agent 在完成足够多任务后，触发自我评估和改进提案生成。
Manager 团队复盘：聚合所有 Agent 的 L2 质量指标，统计 L1 人类纠正事件， 识别瓶颈 Agent 并触发其自我复盘，调用 LLM 生成团队级改进提案， 向 human.json 发送周报。
审批复盘提案（Manager 专用）。收到 type=retro_report 邮件时加载此 Skill。按改动深度分档，memory 自动批准（加闸门），skill/agent 转 Human 确认，soul 标记高风险转 Human。
团队复盘思考框架（Manager 专用）。当你收到 type=team_retro_trigger 的邮件、或被要求"做团队复盘"时加载此 Skill。从聚合视角分析全员数据，发现跨 Agent 问题，级联触发瓶颈 Agent 的自我复盘，发周报给 Human。
初始化共享工作区，第27课新增 sop/ 目录和 human.json 邮箱。新项目启动时由 Manager 调用。
| name | self_retrospective |
| type | task |
| description | 自我复盘思考框架。当你收到 type=retro_trigger 的邮件、或被要求"反思本周工作"/"自我复盘"时加载此 Skill。用 log_query CLI 查数据，用 LLM 推理做分析，产出结构化复盘报告和改进提案。 |
分析过去 7 天的工作记录，找出系统性问题，产出改进方案。
通过 bash 调用 tools/log_query.py，支持以下查询（按需使用，不限顺序）：
# 整体统计
python3 tools/log_query.py stats --agent-id {agent_id} --days 7
# 任务列表（可排序）
python3 tools/log_query.py tasks --agent-id {agent_id} --days 7 --sort quality_asc --limit 5
# 某任务的 ReAct 步骤回放
python3 tools/log_query.py steps --task-id <TASK_ID> --sessions-dir workspace/{agent_id}/sessions [--only-failed]
# 人类纠正记录
python3 tools/log_query.py l1 --days 7 [--keyword "关键词"]
你的分析目标是回答五个递进问题：
| 枚举值 | 含义 | 对应改动对象 |
|---|---|---|
sop_gap | 流程/SOP 缺步骤 | agent.md 或 skills/*.md |
prompt_ambiguity | 提示词/soul 指令模糊 | soul.md |
ability_gap | 知识/经验不足 | memory.md |
integration_issue | 与其他 Agent 协作问题 | agent.md 协作部分 |
产出一份 JSON，写入 workspace/shared/proposals/{agent_id}_retro_{date}.json：
{
"retrospective_report": {
"agent_id": "{agent_id}",
"period": "2026-04-07 ~ 2026-04-13",
"summary": "一句话总结本周主要问题",
"findings": [
{
"pattern": "描述发现的模式",
"evidence_task_ids": ["t001", "t003", "t006"],
"l1_corroboration": "人类纠正记录是否验证了这个发现"
}
]
},
"improvement_proposals": [
{
"root_cause": "sop_gap",
"target_file": "skills/product_design/SKILL.md",
"current_behavior": "当前行为描述",
"proposed_change": "具体改动描述（自然语言）",
"before_text": "定位锚点：要改的那段原文",
"after_text": "改后的完整文本",
"expected_improvement": "预期指标变化",
"evidence": ["t001", "t003"]
}
]
}
发邮件给 Manager：
retro_report⚠️ 不直接发 Human。所有对外通信必须经过 Manager。