prompt-mirror

用途

prompt-mirror 是一个只读取本机会话历史的提示词教练。它把你在 Copilot 中亲手输入的消息与体量更大的智能体、autopilot 和定时任务流量分开，评估你指挥智能体的方式，并返回三条具体建议，每条都以你自己的消息作为“before”。它可能起草指令或技能修改，但从不应用；应用由 steer-once 负责。

主要能力

从 ~/.copilot/session-state/<id>/events.jsonl（高置信度，带来源标记与投递模式）和 ~/.copilot/session-store.db（SQLite，中等置信度，用于补全事件文件已不存在的会话）中抽取数据。
依据来源信号区分用户输入与机器流量：无 source 为候选手动消息；agent-<id> 为跨会话消息；autopilot / isAutopilotContinuation 为自动续跑；system 为定时唤醒；顶层 agentId 为发给子智能体的提示；全大写请求或“Continue from where you left off.”等为模板或恢复消息；delivery 记录消息在空闲、轮中或排队时发送。
评分维度包括：输入长度中位数/p90、中途引导比例、状态询问率、重复纠正、启动指令缺少完成条件、缺少停止条件、无度量的卡死（循环征兆）、分发比例、同一提示反复输入（自动化候选）、智能体让步（“你说得对……”）频率、每条输入对应的机器消息数。
生成 report.md（评分卡、三条建议及 before/after、草拟 diff、与上次的趋势对比）与 suggestions.json（建议、指标、基线、日期）。
下次运行时加载上次 suggestions.json，报告各指标变化；只有变化超过前 4 周周间波动才视为真实变化，否则标注“在噪声范围内”。

使用方式

设定参数（窗口、范围、语气、输出），用一行向用户复述。
运行内置标准库脚本抽取： python3 <this-skill-dir>/scripts/mine_sessions.py --since 30d [--repo owner/name] [--redact-terms ~/.config/prompt-mirror/terms.txt] 生成 stats.json、messages.jsonl、messages.csv（脱敏文本、标记、纠正分类）。使用 --no-text 仅输出数字。
评分前做抽取合理性检查：手动消息量与会话数是否可信；重度用户 machine_per_typed 通常远大于 1。若允许读取样本，随机读 20 条脱敏消息，若读起来像智能体简报或报告则收紧过滤并重跑。绝不对未过滤历史评分。
从 stats.json 构建评分卡（若存在上次运行则对比）。
对每个要引用的指标，至少打开 5 条被标记消息剔除误报，报告手工核对后的数字并说明已核对。
按频率×成本排序选出三条建议，每条包含：信号及数字、before（受引用规则限制）、after（改写或去掉该消息所需的简报字段/技能）、对应的杠杆技能（如状态轮询→progress-contract；缺完成/停止条件→brief；卡死两次无度量→find-the-loop；同类纠正≥3 会话→steer-once；每日同提示→automate-it）、下次应变化的指标。
可选为最高频重复纠正草拟指令或技能文本作为 diff，但不写入任何指令、技能或配置文件；可提供 steer-once 来落地。
保存 report.md 与 suggestions.json 并在聊天中展示报告。

隐私规则（不可协商的默认值，也均可调节）

抽取在本地；分析经你配置的模型服务。脚本读写权限为 0700/0600，写入内容不上传；但被评分读取的脱敏样本会像聊天一样发往模型服务。读取消息文本前先问一次：“读取脱敏样本（会发往你的模型服务），还是只用数字？”仅数字即 --no-text，跳过样本读取与前后引用。
绝不把历史粘贴进 issue、PR、gist、云端智能体或自动化。
每条建议最多一条引用，最多 25 词，脱敏，且只来自“before”一侧。
绝不引用被标记为激烈或敏感的消息（脏话、HR、绩效评估、薪酬、健康、法律），只用聚合计数。
展示前脱敏：密钥与令牌、邮箱、URL、主目录路径、@handle、UUID 与长十六进制，以及 --redact-terms 文件中的所有人名、代号、内部主机。会话 ID 仅显示 8 字符前缀，且不进入任何分享内容。
任何离开本机的内容（如 steer-once PR）先向用户原样展示将发布的精确文本。

适用场景

按需：“我是怎么提示的”“教练我”“我总在纠正什么”“自我复盘”。
每周在自己机器上作为本地会话自动化运行。
在一次运行中你多次输入“还是坏的”“状态？”“为什么停了”之后。
不适合评估他人、给队友排名，或从云自动化运行；云端运行器无法也不应读取本机会话状态。

参数

窗口默认 30 天；范围默认为全部本机会话，可用 --repo 子串限定；脱敏默认严格加用户词表；引用默认每条建议≤1 条、≤25 词；发送给模型的文本默认先询问、可选仅数字或脱敏样本；语气默认直接具体不说教；输出默认报告加草拟 diff；对比仅限自身趋势；节奏按需；保留最近 8 次运行，也可报告后删除（rm -rf ~/.copilot/prompt-mirror）。

限制与说明

分类器是正则表达式，指标需人工核对，否则可能误报。
脚本依赖 ~/.copilot 数据；若格式漂移，需检查少量事件的键名（不打印内容）并更新过滤规则后再评分。
会话存储需启发式清理：剥离注入的系统块、丢弃信封与模板、丢弃长第三人称简报、丢弃 /tmp 或 /var/folders 下的会话；60+ 字符且开头在 4+ 会话重复的输入若来源不确定通常应丢弃，但明显是用户每日输入时应保留为自动化候选。
工具自身反馈环：下次运行报告上次建议中指标变化超过噪声的比例；若两次运行低于三分之一，说明建议过于泛化，需更多依据用户重复短语与循环征兆。

背景

该套件源于一名重度用户约 9.5k 条输入、约 1.8k 个会话的挖掘：分离手动消息与机器流量是第一步也最难，一个月内每条输入约产生 21 条机器消息；启动指令中位 18 词，仅 6% 写明完成条件，停止条件仅 14%；随着自主性提高，状态与 ETA 询问从约 2% 升至 13%，40% 消息落在轮中；智能体卡住时有效动作是“建立反馈回路”（23 次显式救援）而非更多指令。