aigc-feedback

name	aigc-feedback
description	AIGC 真人反馈闭环 Skill。当用户在收到图片、图片提示词、视频提示词或外部生成成片后提出问题、评价、修改建议、偏好，或要求“记住”“下次沿用”时使用；负责修正当前交付物，并把可复用经验沉淀为能改善后续初稿、审查和优化的规则。

AIGC 真人反馈闭环

把真人判断同时变成当前任务的修正信号和后续任务的学习信号。不要把用户建议的具体改法直接当成根因；先确认失败发生在哪一层，再做最小有效修改。

必读

1. 完整读取 learned-rules.md，再按其路由读取当前反馈对应的公共基线；如果匹配的 .aigc-local/aigc-feedback/image-rules.md 或 video-rules.md 存在，再读取本地学习层。跨域反馈才同时读取两类规则。
2. 读取用户正在评价的最终交付物、源提示词和可用的真实生成结果。
3. 如果活跃项目已有 output/<project-slug>/runtime_state.md，读取其中的最新状态和反馈；不要读取无关历史项目。

处理流程

1. 锚定证据：记录交付物版本，以及用户指出的画面区域、提示词字段或视频时间点。用户只说“不对劲”时，先直接检查可用产物；只有无法定位时才追问一个关键问题。
2. 拆开观察与解法：分别提炼“用户看见了什么问题”“用户希望出现什么结果”“用户建议怎样改”。把前两项视为事实输入，把第三项视为待验证方案。
3. 定位失败层：只选最主要的一层：意图理解、视觉决策、提示词结构、控制方式、平台/素材契约、真实产物缺陷或个人偏好。不要同时重写所有层。
4. 修正当前版本：保留已经通过的主体、构图、连续性、素材映射或风格决定，只修改最可能的控制变量；随后只复查失败层及其直接依赖，给出新的最终交付物。
5. 选择记录层级：每轮反馈至少进入一个本地事实源。只对当前项目有效的反馈写入已有 runtime_state.md；可复用反馈新增或合并到 Git 忽略的 .aigc-local/aigc-feedback/image-rules.md 或 video-rules.md。没有活跃项目文件时，在本地学习层用范围严格限定的 candidate 保留本轮学习，不要为记录反馈新建 output/ 项目。
6. 沉淀学习规则：规则必须原子化，并写明范围、状态、失败信号、改进规则、作用节点和证据类型；不要逐字堆积聊天记录。活跃项目已有 runtime_state.md 时，同时更新“最新用户反馈”“关联学习规则 ID”和“下一步动作”。普通反馈流程不得修改仓库内受 Git 跟踪的公共规则。
7. 提升稳定机制：反馈若暴露了跨任务、可复现且可机械验证的失败模式，同步更新最近的领域 reference 或 eval；不要把实现细节复制进项目 AGENTS.md。

学习状态

• candidate：单次主观反馈，或根因尚未得到真实产物验证。只保存在本地学习层，并只在任务范围高度匹配时参与下一次初稿和审查。
• confirmed：用户明确声明为长期偏好、客观硬约束已经验证，或同类失败在两个独立任务中重复出现。作为匹配任务的默认规则，但仍默认保存在本地。
• retired：被用户明确撤销、被更强证据否定或已被新规则取代。保留简短替代关系，但不再应用。

同一问题优先更新既有条目的证据次数与范围，不新增同义规则。新反馈与旧规则冲突时保留冲突，降低为 candidate 或将旧规则标为 retired，不要静默覆盖。

三个节点的用法

• 初稿：应用范围匹配的 confirmed 规则；高度匹配的 candidate 可作为低优先级提醒。
• 审查：把历史失败信号加入风险扫描，但仍需在当前产物中找到证据，不能因规则存在就虚构问题。
• 优化：优先复用已验证的改进方式；上下文不同或会破坏已通过部分时，改用当前任务的最小修正。

记录边界

• 记录可复用的创作偏好、失败模式和控制策略，不记录凭证、客户身份或与改进无关的私密内容。
• 项目路径、版本、日期和题材叙事可以留在已忽略的本地事实源，但不得写入公共规则；公共规则只写匿名化的证据类型。
• 外部生成结果不可见时，把结论标为基于用户观察，不声称已经自行验证画面或成片。
• 只有用户明确要求把规则贡献到开源仓库时，才按 隐私与公开发布标准 执行公开提升；未达到 confirmed 或仍含项目细节时停止在本地层。

默认交付

保持简洁，只输出：

1. 对失败层的简短判断。
2. 修正后的最终交付物。
3. 本轮反馈的本地记录位置；若沉淀为学习规则，再给出规则 ID、状态、范围和作用节点。

除非用户要求，不展示内部完整检查表或长篇复盘。