smart-learning-loop

# Smart Learning Loop > 遇到不會的 → 搜尋技能 → 安裝學習 → 驗證 → 記住經驗 ## 核心理念 ``` ┌─────────────────────────────────────────────────────────────────┐ │ 不是給你更多知識，而是教你如何「學會學習」 │ │ │ │ 傳統模式：卡住 → 放棄 或 盲目嘗試 │ │ 學習迴圈：卡住 → 識別缺口 → 找資源 → 學習 → 驗證 → 記住 │ └─────────────────────────────────────────────────────────────────┘ ``` ## 觸發時機 當你遇到以下情況時，啟動學習迴圈： | 情況 | 觸發 | |------|------| | 「我不知道如何...」 | ✅ | | 連續失敗 2 次以上 | ✅ | | 需要特定工具/框架知識 | ✅ | | 用戶問了你不熟悉的領域 | ✅ | ## 學習迴圈流程 ### Step 1: 識別能力缺口 ```markdown 問自己： 1. 我卡在哪裡？ 2. 是缺「知識」還是缺「工具」？ 3. 如果有 X 技能，我就能繼續了嗎？ 輸出：明確的技能需求描述 例如：「需要 ComfyUI 工作流程建立的知識」 ``` ### Step 2: 搜尋經驗（如有 Cipher） ```javascript // 先查過去經驗 await mcp__cipher__ask_cipher({ message: "我之前有處理過 ComfyUI 相關的任務嗎？學到了什麼？" }) ``` - 有經驗 → 直接應用，跳到 Step 5 - 無經驗 → 繼續 Step 3 ### Step 3: 搜尋並安裝技能 ```javascript // 搜尋推薦技能 await mcp__skillpkg__recommend_skill({ query: "ComfyUI workflow game assets", criteria: "popular" }) // 查看推薦結果，選擇最適合的 // 安裝技能 await mcp__skillpkg__install_skill({ source: "recommended-skill-name", scope: "local" }) // 載入技能指令 await mcp__skillpkg__load_skill({ id: "recommended-skill-name" }) ``` ### Step 4: 驗證學習 安裝技能後，必須驗證真的學會了： ```markdown 驗證任務設計原則： - 範圍小、可快速完成 - 涵蓋核心能力 - 有明確成功標準 例如： 技能：comfyui-expert 驗證：生成一張 256x256 測試圖片 標準：PNG 格式、尺寸正確 結果：✅ 成功 → 繼續主任務 ❌ 失敗 → 回到 Step 3 換技能 ``` ### Step 5: 記錄經驗（如有 Cipher） ```javascript // 記錄這次學習經驗 await mcp__cipher__ask_cipher({ message: `請記住這次學習經驗： 任務：用 ComfyUI 生成遊戲道具 問題：不知道如何生成透明背景 解法：安裝 comfyui-expert skill，使用 RemBG 節點 效果：成功生成透明背景 PNG 注意：需要 4GB+ GPU 記憶體 下次遇到類似問題可以參考。` }) ``` ## 失敗處理 當學習迴圈本身失敗時： ```markdown ┌─────────────────────────────────────────────────────────────────┐ │ 失敗類型 處理方式 │ ├─────────────────────────────────────────────────────────────────┤ │ 找不到相關技能 → 用 WebSearch 搜尋教學 │ │ 技能安裝失敗 → 檢查依賴，嘗試替代技能 │ │ 驗證失敗 → 重新閱讀技能說明，或換技能 │ │ 連續 3 次失敗 → 暫停，詢問用戶方向 │ └─────────────────────────────────────────────────────────────────┘ ``` ## 最小範例 ```markdown 用戶：幫我用 ComfyUI 生成遊戲道具圖片 AI 內心獨白： 1. 識別缺口：我不熟悉 ComfyUI 2. 查經驗：(Cipher) 沒有相關經驗 3. 搜技能：recommend_skill("ComfyUI game assets") → 推薦 comfyui-expert 4. 安裝：install_skill("comfyui-expert") 5. 載入：load_skill("comfyui-expert") 6. 驗證：生成測試圖 → 成功 7. 記錄：(Cipher) 存下這次經驗 8. 執行主任務：用學到的技能完成用戶需求 ``` ## 與其他工具整合 | MCP 工具 | 用途 | 必要性 | |----------|------|--------| | skillpkg | 技能搜尋/安裝/載入 | **必要** | | cipher | 經驗記憶與檢索 | 推薦 | | pal | 複雜問題多模型諮詢 | 可選 | | context7 | 查詢最新文檔 | 可選 | ## 設計原則 1. **不造輪子** - 組合現有 MCP 工具 2. **最小介入** - 只在真的卡住時才觸發 3. **可驗證** - 每次學習都要驗證效果 4. **可累積** - 經驗記錄下來，避免重複學習 5. **可回退** - 失敗時有明確的處理路徑 ## 進階：策略池 當同一問題有多種解法時，維護策略優先級： ```yaml strategies: - name: "ComfyUI + RemBG" priority: 1 status: untried - name: "Stable Diffusion API" priority: 2 status: untried - name: "DALL-E + 後處理" priority: 3 status: untried # 失敗時自動切換到下一個策略 # 不重複嘗試已失敗的策略 ``` ## Skill 協作模式 Skills 之間如何協作？這裡定義三種協作模式： ### 模式 1: 串聯 (Pipeline) 一個 Skill 的輸出作為另一個 Skill 的輸入： ``` ┌─────────────────────────────────────────────────────────────────┐ │ [research-skill] → [code-reviewer] → [git-helper] │ │ ↓ ↓ ↓ │ │ 收集需求資料 審查程式碼 提交變更 │ └─────────────────────────────────────────────────────────────────┘ 範例： 1. research-skill 分析問題，產出研究報告 2. 根據報告寫程式碼 3. code-reviewer 審查程式碼，產出修改建議 4. 修正後用 git-helper 提交 ``` **實作方式：** ```javascript // 在 context 中傳遞前一個 skill 的結果 const researchResult = await executeWithSkill("research", task); const codeResult = await writeCode(researchResult); const reviewResult = await executeWithSkill("code-reviewer", codeResult); ``` ### 模式 2: 分工 (Delegation) 主 Skill 將子任務委派給專門的 Skill： ``` ┌─────────────────────────────────────────────────────────────────┐ │ [smart-learning-loop] │ │ │ │ │ ┌───────────────┼───────────────┐ │ │ ↓ ↓ ↓ │ │ [skillpkg MCP] [cipher MCP] [pal MCP] │ │ 技能搜尋/安裝 經驗記憶 多模型諮詢 │ └─────────────────────────────────────────────────────────────────┘ 這就是 smart-learning-loop 的運作方式： - 自己負責「學習迴圈」的流程控制 - 將具體工作委派給專門的 MCP 工具 ``` **實作方式：** ```javascript // 主 skill 協調多個子 skill async function learningLoop(gap) { // 委派給 cipher 查經驗 const experience = await mcp__cipher__ask_cipher({ query: gap }); if (!experience) { // 委派給 skillpkg 找技能 const skill = await mcp__skillpkg__recommend_skill({ query: gap }); await mcp__skillpkg__install_skill({ source: skill.name }); } } ``` ### 模式 3: 組合 (Composition) 多個 Skill 組合成一個更強大的 Skill： ``` ┌─────────────────────────────────────────────────────────────────┐ │ [full-stack-dev] = [research] + [frontend] + [backend] + [test]│ │ │ │ 這個組合 skill： │ │ • 依賴其他 skills 作為「能力模組」 │ │ • 定義它們如何協作 │ │ • 處理它們之間的資料傳遞 │ └─────────────────────────────────────────────────────────────────┘ ``` **在 SKILL.md 中宣告依賴：** ```yaml --- name: full-stack-dev dependencies: skills: - github:org/research-skill - github:org/frontend-skill - github:org/backend-skill - github:org/test-skill --- ``` ### 協作協議 為了讓 Skills 能順利協作，建議遵循以下協議： | 項目 | 規範 | |------|------| | **輸入格式** | 明確定義 skill 接受的輸入格式 | | **輸出格式** | 明確定義 skill 產出的輸出格式 | | **狀態傳遞** | 用 context/memory 傳遞狀態 | | **錯誤處理** | 失敗時返回結構化錯誤 | **範例：標準化介面** ```yaml # 在 SKILL.md 中定義 interface: input: - name: task type: string required: true - name: context type: object required: false output: - name: result type: string - name: artifacts type: array - name: next_action type: string ``` ### 協作範例：完整開發流程 ```markdown 用戶：幫我開發一個 Todo App 協作流程： 1. [smart-learning-loop] 評估：需要哪些技能？ → 識別缺口：需要 React 開發知識 2. [smart-learning-loop] 委派給 skillpkg： → install("react-expert") → install("test-helper") 3. [research-skill] 分析需求： → 輸出：功能規格、技術選型 4. [react-expert] 實作前端： → 輸入：功能規格 → 輸出：React 組件程式碼 5. [test-helper] 撰寫測試： → 輸入：React 組件 → 輸出：測試檔案 6. [code-reviewer] 審查： → 輸入：所有程式碼 → 輸出：修改建議 7. [git-helper] 提交： → 輸入：審查通過的程式碼 → 輸出：Git commit 8. [smart-learning-loop] 記錄經驗到 Cipher： → 「Todo App 開發：用了 react-expert + test-helper，效果良好」 ``` ### 用 skillpkg.json 管理協作 ```json { "name": "my-project", "skills": { "smart-learning-loop": "github:miles990/smart-learning-loop", "code-reviewer": "github:org/code-reviewer", "git-helper": "github:org/git-helper" }, "skill_workflows": { "development": ["research", "implement", "review", "commit"], "learning": ["identify-gap", "search-skill", "install", "verify"] } } ``` ## 限制與邊界 - 這是一個「學習模式」，不是萬能解答 - 依賴 skillpkg 生態系統中的技能 - 複雜問題可能需要多輪學習迴圈 - 某些領域可能沒有現成技能，需要 fallback 到 WebSearch - Skill 協作需要各 Skill 遵循協作協議