菜单
记录 AI 犯错或可改进点，生成可复用的学习资产。支持两种模式：(1) 当前会话 - 会话结束时触发，引导用户回顾本次会话中的纠正和可改进点；(2) 指定会话 - 通过 session_id 或 JSONL 文件路径分析历史会话。存储位置：D:\desktop\quackDocs\my_notes\ai_bug_history\（index.md 索引 + records.md 实体）。触发词：记录错误、记录问题、AI 错误记录、会话总结、记录教训、record mistakes。
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
为 AI Agent 创建元规则和领域知识，帮助用户在不熟悉领域建立 Agent 的思考方式和行为准则。专注于抽象的行事风格而非具体技术约束。适用场景：(1) 创建新 Agent 缺少行为准则，(2) 更新现有 Agent 的元规则或知识，(3) 用户不熟悉目标领域需要搜索最佳实践，(4) 希望 Agent 跨项目保持一致工作风格。
记录 AI 犯错或可改进点，生成可复用的学习资产。支持两种模式：(1) 当前会话 - 会话结束时触发，引导用户回顾本次会话中的纠正和可改进点；(2) 指定会话 - 通过 session_id 或 JSONL 文件路径分析历史会话。存储位置：D:\desktop\quackDocs\my_notes\ai_mistake\（index.md 索引 + records.md 实体）。触发词：记录错误、记录问题、AI 错误记录、会话总结、记录教训、record mistakes。
指导 Manager 设计和创建 Loop 循环。当 Manager 需要创建自动化循环（如 Executor-Reviewer、Writer-Editor 模式）时使用。 提供完整的设计流程：需求澄清 → 节点设计 → 用户确认 → Subagent 验证 → 创建循环。 确保循环提示词质量，避免因上下文设计不当导致循环失败。 触发词：创建循环、loop、循环设计、迭代执行、自动审查。
记录架构决策（ADR）。触发条件：(1) 艰难选择——在方案间纠结、选了A但B也有优势、知道有副作用 (2) 重构/重大修改后——改了3+次才定方案、每次改有新考虑 (3) 奇怪代码——被问"为什么这样写"、审查被质疑、自己回看也觉得奇怪 (4) 用户做出重大决策或出现决策疑问
Grilling session that challenges your plan against the existing domain model, sharpens terminology, and updates documentation (CONTEXT.md, ADRs) inline as decisions crystallise. Use when user wants to stress-test a plan against their project's language and documented decisions.
本地代码审查工具，用于审查指定范围的代码变更。支持多种输入方式：(1) git range（如 HEAD~3..HEAD）(2) 暂存区（--staged）(3) 指定文件/目录路径 (4) 模糊功能描述（如"认证模块"、"用户登录"）。必须指定审查范围，否则直接返回错误。输出审查报告到 docs/generated/。触发词：local-review、本地审查、代码审查、review。
| name | ai-mistake-recorder |
| description | 记录 AI 犯错或可改进点，生成可复用的学习资产。支持两种模式：(1) 当前会话 - 会话结束时触发，引导用户回顾本次会话中的纠正和可改进点；(2) 指定会话 - 通过 session_id 或 JSONL 文件路径分析历史会话。存储位置：D:\desktop\quackDocs\my_notes\ai_bug_history\（index.md 索引 + records.md 实体）。触发词：记录错误、记录问题、AI 错误记录、会话总结、记录教训、record mistakes。 |
将 AI 犯错的过程转化为可复用的学习资产。
D:\desktop\quackDocs\my_notes\ai_bug_history\index.md — 列出所有错误条目（日期、简要描述、分类）records.md — 每个错误的完整记录使用 scripts/analyze_session.py 提取会话内容为纯文本：
# 通过 session_id 分析
python scripts/analyze_session.py <session_id> [--tool-call-result] [--output-md FILE]
# 通过 JSONL 文件路径分析
python scripts/analyze_session.py --path <path_to_jsonl> [--tool-call-result] [--output-md FILE]
参数说明：
session_id：会话 UUID（与 --path 二选一）--path：直接指定 JSONL 文件路径--config-dir DIR：Claude 配置目录，默认 ~/.claude--tool-call-result：显示工具调用详情（调用输入 + 返回结果）--output-md FILE：将输出保存为 Markdown 文件（不指定文件名时自动生成）使用场景：
analyze_session.py 提取会话内容，基于提取结果记录询问用户本次会话中是否有需要记录的错误或可改进点。
对每个错误/可改进点，收集：
追加到 records.md：
## YYYY-MM-DD HH:MM — 会话：<会话主题>
### 错误 N：<简要描述>
- **场景**：<场景描述>
- **AI 的做法**：<AI 的实际行为>
- **正确做法**：<正确的做法>
- **原因分析**：<为什么会出现这个问题>
- **建议**：<如何避免类似问题>
- **分类**：<分类>
### 本次会话总结
- 记录错误数：N
- 主要问题类型：<分类1>、<分类2>
- 建议更新的规则：<如果有值得转化为项目规则的建议>
追加到 index.md：
| YYYY-MM-DD | <错误简述> | <分类> | [详情](records.md#YYYY-MM-DD-HHMM) |
显示本次记录的错误数量和主要问题类型。