错误发现技能（Error Discovery Skill）用于对 LLM 输出或 trace 数据集进行交互式错误分析，目标是发现失败模式。该技能仅适用于交互式会话。
数据理解 技能首先加载数据文件（支持 JSONL、CSV、JSON 等格式），检查 5 至 10 条记录，识别每个字段的类型和含义，区分主内容字段与元数据字段，判断哪些字段在记录间变化。内容结构可为：单一文本字段（文章、摘要、邮件等）、输入/输出对（提示加完成、问题加答案等）、多轮 trace（消息序列含不同角色，如 system、human、assistant、tool call、tool result、thinking 块，常见于代理 trace 和聊天日志）、代码（源文件、补丁、diff）、结构化输出（JSON、函数调用等）、复合内容（任务描述加 trace 加最终输出）。对于多轮 trace，还需识别角色类型、是否存在工具调用与结果配对、是否存在思考块、回合的逻辑分组方式。同时分析记录间差异维度（元数据如主题、模型、难度；结构如长度、回合数、工具调用数；结果如成功/失败、分数）和记录内差异维度（各段落的作者/角色、内容类型、重要程度）。
视觉编码设计 在编写代码前，将每个变化维度映射到唯一种视觉通道，运用格式塔原则：相似性（颜色、形状）用于类别维度；接近性（间距）用于逻辑单元；共同区域（容器、背景）用于多部分内容；图形/背景（透明度、对比）用于强调。具体规则：颜色用于最重要的类别区分（多轮 trace 按角色分配不同色相；单一内容按标签或来源分类），不用于定量数据；透明度用于表示是否需要仔细阅读，仅降低跨记录完全相同的冗余内容（如重复的系统提示），不按角色统一淡化；间距用于层级结构（逻辑组内 4-8px，组间 16-24px，主要区块间 32-48px）；字体用于内容类型（自然语言用比例字体，代码用等宽字体，元数据用小号，思考/推理用斜体或特殊处理）；边框/容器用于分组（工具调用与结果共享容器，输入输出用分隔线或并排）；结构异常标记仅在头部显示（基于数据集级预计算平均值，标记统计异常维度，多数记录应为零或一个标记）。
审查界面构建 架构采用 Python HTTP 服务器（stdlib http.server，无依赖），提供多个 API 端点：GET / 提供 HTML 应用，GET/POST /api/samples 获取和推送样本，GET/POST /api/annotations 获取和保存标注，GET /api/graph 获取所有记录的二维投影，GET/POST /api/patterns 获取和推送失败模式分类，GET/POST /api/suggestions 获取和推送建议。磁盘文件存储在 error_discovery_data/ 目录下，包含 samples.json、annotations.json、graph.json、patterns.json、suggestions.json。HTML 应用每次标注自动保存到服务器，并定期轮询新样本和建议。
界面包含三个视图：内容/文章视图是主要审查界面，支持阅读和标注；地图视图是所有记录的二维散点图（PCA 或 UMAP 投影），显示聚类、样本项和已标注项，可点击样本节点跳转到内容视图；进度视图包含两个部分——失败模式（技能已分类的失败模式的树状图，按标注数量调整大小，内列注释，可点击跳转到内容视图）和待审查的代理建议列表（含全选复选框、接受选中/忽略选中按钮）。
内容视图设计应用视觉编码规则：头部的标题、标签、主题保持简洁，仅在真正异常时添加结构异常标记；多轮 trace 中每个消息/回合为块，按角色使用彩色左边框或背景色，角色标签小号加粗显示在块顶部，思考块使用视觉区分处理（如浅背景、斜体、缩进），工具调用函数名突出显示，参数放在可折叠的 JSON 中，工具结果默认折叠，仅对完全相同的重复内容降低透明度，相关回合视觉分组；单一文本内容渲染为格式化 HTML 或段落；代码/diff 使用语法高亮，添加行绿色背景，删除行红色背景，显示行号；输入/输出对堆叠并提供清晰分隔线，或并排显示。内联标注：选中文本后弹出浮层输入，按 Enter 保存，高亮段保持可见。边栏注释：标注和建议显示在右侧边栏列中，与高亮文本垂直对齐，采用两列布局（左侧文章主体 flex: 1 最大宽度约 720px，右侧边栏宽约 240px），注释绝对定位，支持悬停链接，注释显示引用文本、审查者备注和编辑/删除按钮（悬停显示），不使用悬停提示作为主要显示方式。代理建议在行内高亮（虚线边框、柔和色调）和边栏注释（不同左边框颜色、代理建议标签）上与人工标注视觉区分，边栏显示始终可见的接受/忽略按钮。不支持质量标签、下拉菜单或结构化表单，仅自由文本备注。每次更改自动保存到服务器，保留 localStorage 备份，定期轮询新样本和建议。
地图视图：所有记录的二维散点图，按聚类着色（与凸包颜色匹配），用形状区分类别（圆形表示 AI，方形表示人类），样本项显示为较大节点带深色边框，已标注项用不同颜色（如橙色），绘制聚类凸包或凸边界作为微妙背景形状，悬停显示标题、元数据和标注数量，点击样本节点跳转到内容视图。
聚类与初始样本选择 提取适合内容类型的特征，使用 KMeans 或类似方法在归一化特征上聚类，目标 6 至 10 个聚类。初始样本量为 15 至 25 条（数据集超过 50 时）：聚类代表（约 60-70%）选取距每个质心最近的 1 至 2 条，混合类别/标签；随机样本（约 30-40%）从全数据集中抽取，覆盖聚类可能遗漏的维度；去除重复。优先考虑多样性，目标是发现失败模式而非估计频率。
交互式审查循环 应用运行且人工开始审查后，遵循 review-loop.md 进行持续的交互式会话，包括监控到达的标注。如果会话在人工审查前结束（例如非交互式运行），则构建并冒烟测试应用，然后停止服务器并给出稍后启动的命令；不得声称审查循环已运行或任何内容仍在运行。