用途：self-reflection 是一个元技能（meta-skill），核心目标是让 AI 编程智能体从“临时工”变成“系统性记录者”。智能体本身是无状态的，可能花数小时调试 Webpack 配置、竞态条件或项目目录结构，修好后在新会话中完全遗忘。该技能要求在任务结束前主动反思，并把经验持久化到代码库中。
触发时机：在宣布任务完成并通知用户之前，若出现以下情况应自动触发——成功修复复杂或令人困惑的 bug（尤其多次尝试、需要新上下文或阅读多个文件）；在框架配置上挣扎；发现代码库特有约定（如“本项目总是用 X 而非 Y”）；创建了可复用的复杂工作流或工具序列。
反思协议：结束任务前暂停，内部回答三个问题——是否因不了解项目约定而卡住？是否遇到其他智能体明天可能踩到的架构陷阱？是否写了可复用的自定义 CLI 工具、ast-grep 模式或 bash 脚本？任一为“是”，就不能只在聊天中提及，必须写入代码库。
固化方式：1）项目专属规则：写入本地 AI 指令文件（如 llms.txt），若不存在可询问用户是否创建；规则应泛化，例如“创建新 API 端点时始终加 @require_tenant 装饰器，且不返回原始 SQLAlchemy 模型，始终用 Pydantic UserOut schema”，而非“我在第 42 行加了装饰器”。2）通用智能体技能：在 skills/[skill-name]/ 目录创建 SKILL.md，提供分步指南，例如 safe-db-migration 技能。3）可复用 AST 规则：若 ast-code-graph 技能可用或已安装 ast-grep，将 YAML 规则写入项目 .ast-grep/rules 目录，自动标记或修复反模式。
最后需告知用户：任务完成，并说明已将某类反复出现的陷阱固化为规则，写入某文件，以确保未来智能体和自身正确处理。
限制：资料未提供具体安装命令、收费、价格、支持平台或效果数据，暂未提供。