用途：为智能体提供自我反思、从错误中学习并持续改进的系统化框架，核心原则是“每个错误都是学习机会，每次学习都成为技能”，形成“反思→捕获→泛化→创建/更新技能→应用”的良性循环。
主要能力：定义自动触发条件（同一错误重复2次以上、调试3次以上未解决、静默失败、假设失败、文档与预期矛盾、过度工程化），以及主动触发（周期性审查、平台发布、上游更新、文档变更、任务前验证、实现后复盘）和用户触发短语（如“从这次错误中学习”“审计技能”）。提供五步反思工作流：识别学习时刻、强制先搜索已有技能、泛化学习、优先更新已有技能、主动应用。附带技能创建模板、三类技能分类（错误预防、假设纠正、简化）及反思提示语。
使用方式：先列出并搜索已有技能，命令如 find data_product_accelerator/skills -name "SKILL.md" -exec dirname {} ; | xargs -I {} basename {} 与 grep -ri "keyword1|keyword2|keyword3" data_product_accelerator/skills/*/SKILL.md；再决定更新或新建。新建技能目录命令：mkdir -p "data_product_accelerator/skills/${SKILL_NAME}"。上游同步时通过 upstream_sources 元数据、lineage map 与 raw GitHub URL 比对，更新 last_synced 与 sync_commit。
适用场景：智能体在编码、调试、平台使用中反复出错或发现更优解时，用于沉淀可复用技能；也用于平台版本更新或上游 AI-Dev-Kit 变更后的技能同步与新鲜度审计。
限制：强调更新优先于新建，新建需通过完整论证清单；上游同步需人工批准，不得盲目复制；具体技能内容、版本号与日期等细节以实际仓库为准，资料未提供完整清单。