self-retrospective

name	self-retrospective
description	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。
type	task

self-retrospective Skill

功能概述

PM Agent 执行自我复盘时，调用本 Skill 分析历史日志并生成结构化改进提案：

1. 读取 L2 日志，找出质量最低的任务
2. 读取对应 L3 日志，找到具体失败节点
3. 读取 L1 中相关的人类纠正记录
4. 调用 LLM 生成结构化改进提案（Pydantic schema 约束）
5. 写入 /mnt/shared/proposals/proposals.json
6. 发通知至 /mnt/shared/mailboxes/human.json 等待审批

调用方式

脚本路径：/mnt/skills/self-retrospective/scripts/self_retro.py

# 先确保依赖已安装
pip install openai filelock -q

# 执行自我复盘
python3 /mnt/skills/self-retrospective/scripts/self_retro.py \
  --logs-dir /mnt/shared/logs \
  --mailbox-dir /mnt/shared/mailboxes \
  --agent-id pm \
  --days 7 \
  --min-tasks 5

参数说明：

• --logs-dir：日志根目录（固定为 /mnt/shared/logs）
• --mailbox-dir：邮箱目录（固定为 /mnt/shared/mailboxes）
• --agent-id：执行复盘的 Agent 标识（如 pm）
• --days：回看天数，默认 7
• --min-tasks：最小样本量阈值，低于此值跳过复盘，默认 5

环境变量：ALIYUN_API_KEY（沙盒已注入）

输出格式（JSON）

{
  "errcode": 0,
  "errmsg": "success",
  "proposals_count": 2,
  "skipped": false,
  "proposals": [
    {
      "type": "sop_update",
      "target": "pm/sop/design_spec_sop.md",
      "root_cause": "prompt_ambiguity",
      "current": "验收标准缺少移动端适配要求",
      "proposed": "在 SOP 验收清单中增加「移动端响应式」检查项",
      "expected_metric": "checkpoint 通过率从 45% 提升到 75%",
      "rollback_plan": "删除新增检查项，恢复原 SOP",
      "evidence": ["t001", "t003"],
      "priority": "high"
    }
  ]
}

样本量不足时：

{
  "errcode": 0,
  "errmsg": "success",
  "proposals_count": 0,
  "skipped": true,
  "reason": "任务数 3 < 最小样本量 5"
}

⚠️ 强制执行要求（CRITICAL）

你必须通过 sandbox_execute_bash 实际运行 Python 脚本。

• 禁止直接返回任何"成功"输出，必须先执行脚本再读取脚本的实际输出
• 禁止根据 task_context 中的 expected_output 字段猜测结果
• 执行后必须读取脚本输出的 JSON（含 errcode），将其原文包含在回复中
• 若脚本报错（errcode != 0），必须如实汇报，不得篡改结果

错误处理

• errcode=1：缺少 ALIYUN_API_KEY 环境变量
• errcode=2：LLM 调用失败（网络、API Key 无效等）
• skipped=true：样本量不足，非错误，正常跳过