菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
技术设计文档 SOP——从需求到设计方案，产出 Markdown 文件到 /workspace/output/
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。
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。
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 |
| 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 |
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：
/mnt/shared/proposals/proposals.json/mnt/shared/mailboxes/human.json 等待审批脚本路径：/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）
{
"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"
}
你必须通过 sandbox_execute_bash 实际运行 Python 脚本。
expected_output 字段猜测结果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