一键导入
self-retrospective
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。
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。
菜单
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。
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。
技术设计文档 SOP——从需求到设计方案,产出 Markdown 文件到 workspace/demo_agent/output/
Manager 与用户对话澄清需求的思考框架(4 维:goal/boundary/constraint/risk)。当人类消息 classify=new_requirement 时**一定**加载本 skill。逐维评估覆盖度、一次问 2-3 个问题、全覆盖后转 requirements_write。所有'帮我做 X / 新需求'触发都走此 skill。
Manager 扫描并列出已有 SOP 集合的 skill。当用户问'有哪些 SOP / 流程'或 Manager 自检是否需新建 SOP 时**一定**加载本 skill。扫 workspace/manager/skills/sop_* 目录,读每个 SKILL.md frontmatter 的 description,组装成列表。所有'列一下现有流程'触发都走此 skill。
团队邮箱操作(读自己 inbox 或给其他角色发邮件)。直接调用 send_mail / read_inbox / mark_done 工具,不要手动操作 JSON 文件。
QA 在沙盒里执行 qa/test_plan.md 所有用例、收集失败、写 defect 的 skill。当 QA 收到 type=task_assign 且 subject 含'测试执行/run tests'的邮件时**一定**加载本 skill。按 test_plan 跑 pytest → 通过标 pass、失败写 qa/defects/defect_{id}.md → 汇总 qa/test_report.md + task_done。如有 defect,顺带发 task_assign 给 RD 修复。所有'QA 真的跑测试'的时刻走此 skill。
RD 按 tech_design.md 在沙盒里实现代码 + 单测 + 跑 pytest 通过。当 RD 收到 type=task_assign 且 subject 含'实现代码/code'的邮件时**一定**加载本 skill。五层分目录写代码 + 单测 ≥80% 覆盖 + 最多 3 次失败重试 → task_done 回 Manager。所有'开始写 feature code'的时刻走此 skill。
基于 SOC 职业分类
| name | self_retrospective |
| type | task |
| description | 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。 |
分析过去 7 天的工作记录,找出系统性问题,产出改进方案。
通过 run_script 调用 log_query/log-query.js,支持以下查询(按需使用,不限顺序):
# 整体统计
run_script("log_query/log-query.js", ["stats", "--agent-id", "pm", "--days", "7"])
# 任务列表(可排序)
run_script("log_query/log-query.js", ["tasks", "--agent-id", "pm", "--days", "7", "--sort", "quality_asc", "--limit", "5"])
# 某任务的 ReAct 步骤回放
run_script("log_query/log-query.js", ["steps", "--task-id", "<TASK_ID>", "--agent-id", "pm"])
# 人类纠正记录
run_script("log_query/log-query.js", ["l1", "--days", "7", "--keyword", "关键词"])
你的分析目标是回答五个递进问题:
| 枚举值 | 含义 | 对应改动对象 |
|---|---|---|
sop_gap | 流程/SOP 缺步骤 | agent.md 或 skills/*.md |
prompt_ambiguity | 提示词/soul 指令模糊 | soul.md |
ability_gap | 知识/经验不足 | memory.md |
integration_issue | 与其他 Agent 协作问题 | agent.md 协作部分 |
产出一份 JSON,先用 readFile 读取目标文件确认 before_text 真实存在,再用 writeFile 工具写入 /mnt/shared/proposals/pm_retro_<YYYYMMDD>.json(日期用今天):
{
"retrospective_report": {
"agent_id": "pm",
"period": "2026-04-28 ~ 2026-05-04",
"summary": "一句话总结本周主要问题",
"findings": [
{
"pattern": "描述发现的模式",
"evidence_task_ids": ["t001", "t003", "t006"],
"l1_corroboration": "人类纠正记录是否验证了这个发现"
}
]
},
"improvement_proposals": [
{
"root_cause": "sop_gap",
"target_file": "skills/product_design/SKILL.md",
"current_behavior": "当前行为描述",
"proposed_change": "具体改动描述(自然语言)",
"before_text": "定位锚点:要改的那段原文(必须是文件里真实存在的文本)",
"after_text": "改后的完整文本",
"expected_improvement": "预期指标变化",
"evidence": ["t001", "t003"]
}
]
}
发邮件给 Manager(通过 mailbox Skill 的 send 命令):
retro_report⚠️ 不直接发 Human。所有对外通信必须经过 Manager。