SuperAPI AI 工具集

feature-radar-learn

写作与研究

查看项目

更新于 10-16 04:23

技能介绍

用途

feature-radar-learn 用于从已完成的工作中提取可复用的知识,并将其沉淀到 .feature-radar/specs/ 目录中。它的核心目标是捕获选择背后的“为什么”,让未来的工作能够参考这些经验。

主要能力

该技能围绕“提取学习成果”展开,具体包括:

  • 识别来源:询问用户刚刚完成的是什么工作(功能、缺陷修复、重构或调查)。
  • 分析工作:查看最近的提交、变更文件和实现决策。
  • 提取知识:识别可复用的内容,分为四类:
    • Patterns(模式):值得复制的重复性解决方案,例如“三层配置合并”。
    • Decisions(决策):带有理由的架构选择,例如“选择 YAML 而非 JSON,因为……”。
    • Pitfalls(陷阱):他人应避免的错误或死胡同。
    • Techniques(技巧):效果良好的实现方法。
  • 分类:在写入 specs/ 之前,将每条知识明确归入上述四类之一,并在输出中说明分类。
  • 写入 specs:创建或追加到 .feature-radar/specs/{topic}.md。
  • 检查点:说明已写入的内容,并询问“我已写入 specs/{topic}.md(分类类型)。这样是否正确,还是需要调整?”在继续之前等待用户确认。
  • 更新 base.md:在 Tracking Summary 中递增 specs 计数。

使用方式

该技能按工作流执行:先确认来源,再分析工作,然后提取知识并分类,接着写入 specs 文件,最后进行确认并更新 base.md。文件格式遵循 ../feature-radar/references/SPEC.md § 3.4(specs/{topic}.md)中定义的格式。完成总结遵循 ../feature-radar/references/DIRECTIVES.md 中的模板,技能名称为“Learn Complete”。

适用场景

适用于在完成一项功能、缺陷修复、重构或调查之后,希望将其中可复用的经验、架构决策理由、应避免的陷阱和有效技巧记录下来,供未来参考的场景。

限制与准则

  • 每个文件一个主题。如果学习内容跨越多个主题,则创建多个文件。
  • 文件按模式命名,而不是按产生它的功能命名。
    • 好的示例:yaml-config-merge.md、symlink-vs-copy-tradeoffs.md
    • 不好的示例:audit-feature-learnings.md、v2-refactor-notes.md
  • 当新学习内容扩展了已知主题时,追加到现有文件。
  • 保持简洁——未来的读者需要的是洞察,而不是完整的故事。
  • 写入 specs/ 前必须将每条知识明确归入四类之一。
  • 写入后需等待用户确认再继续。

示例输出

→ Created specs/symlink-vs-copy-tradeoffs.md (Decision) → Updated base.md: specs 2 → 3

暂未提供的信息

关于该技能的收费、价格、支持平台、具体效果等事实,资料中暂未提供。