用途
self-learn 是一个经验学习闭环技能,目标是把会话过程中获得的经验教训持久化,避免同一问题反复出现。它围绕仓库声明的记忆存储构建,当活动仓库声明了自己的学习规范或存储时,该声明在类别、资格判定和文件路径上具有权威性,技能服从于它。
主要能力
技能提供三种模式,按需运行其中一种:
- apply(应用):会话开始时,在完成会话启动的回忆步骤后,检查已整合的学习内容中与当前任务相关的条目,只读取相关标题和条目,开销低。报告时返回“N 条相关学习”或“无相关学习”(或“暂无学习”),应用内容上限约 3KB,优先展示计数最高的条目。
- capture(捕获):工作中遇到用户纠正或艰难的坑时,写一条条目,只写一处。满足条件的情形包括:跨会话观察到 2 次以上、导致用户纠正、或需要治理规则。用户说“不要做 X”或“改成 Y”时,首次出现即符合条件。
- consolidate(整合):完成重要工作后、按计划或模式重复出现时执行完整循环,包括收集证据、更新学习条目、更新治理、提交反馈和卫生检查。
使用方式
技能定义了若干存储位置:学习记录位于 .aidoc/learning/learnings.md(仓库所有,按 PR 记录),会话状态使用执行环境提供的会话检查点或笔记(文件名在运行时解析,从不假定),逐字恢复依赖执行环境的轨迹存储(若提供),项目学习日志仅在仓库声明时使用。可移植来源包括 git log、仓库跟踪器和当前会话笔记。条目格式为:## [category] Title,附 First seen、Last seen、Count、Lesson、Evidence、Governance rule 等字段,建议类别包括 error、workflow、tool-usage、project-rule、preference、governance,日期使用系统时钟。
整合循环中,将 EVAL 和 CI 失败作为候选,每条候选在写入前都必须对照来源核实(grep 引用的 file:line、重新解析配置、从文件确认计数)。重复出现的条目提升计数并更新最后出现时间;30 天以上未观察到的条目归档而非删除;计数达到 5 的条目提升为持久项目记忆。治理相关模式可更新治理文档,但只能新增、不能移除安全不变量,且需通过仓库的授权关卡。外部缺陷通过 submit-feedback 提交,写入后需回读验证。
适用场景
适合同一问题在不同会话中反复出现、用户多次纠正、需要把经验沉淀为项目规则或治理条目、以及需要按计划审计和清理已有学习记录的场景。
限制
技能本身不包含具体产品收费、价格或平台信息。它依赖仓库声明和执行环境提供的能力,缺失检查点、笔记或轨迹存储时只能使用可移植来源。子代理不直接写入整合存储,只向父代理报告发现,由父代理核实并写入。治理文档编辑、提交外部 issue、操作项目外存储等操作需经授权关卡,未获授权时需停止并提交草稿等待批准。文档化的规则若无 lint 或校验机制,仅属建议性质。