对话反思学习

技能简介

Reflect 通过分析用户与智能体的对话记录，识别纠正指令和成功经验，将零散反馈转化为系统化的持久改进。核心理念是”纠正一次，永不再犯”——把用户的每一次指正编码为智能体文件更新或新技能创建。

能做什么

• 扫描对话中的高置信度信号（如”永远不要X”、”总是Y”）
• 自动分类学习点：代码风格、架构设计、流程规范、领域知识、工具使用
• 匹配到目标智能体文件或提议创建新技能
• 生成带差异对比的更新提案
• 支持手动触发/自动反射两种模式

使用说明

安装准备

# 克隆仓库
git clone https://github.com/openclaw/skills.git
cd skills/stevengonsalvez/reflect-learn

# 初始化状态管理
python scripts/state_manager.py init

# 可选：配置状态目录（默认 ~/.reflect/）
export REFLECT_STATE_DIR=/custom/path

基础命令

/reflect              # 分析当前对话提取学习点
/reflect on           # 开启自动反射（会话结束时自动分析）
/reflect off          # 关闭自动反射
/reflect status       # 查看状态和统计
/reflect review       # 复核低置信度学习点
/reflect [agent名]    # 聚焦特定智能体分析

典型工作流

1. 运行 signal_detector.py --input conversation.txt 识别信号
2. 按置信度分级：高（明确纠正词）、中（认可表达）、低（观察模式）
3. 对照 agent_mappings.md 映射到目标文件
4. 通过质量门禁检查（可复用、非平凡、具体、已验证、无重复）
5. 生成包含差异对比和提交信息的完整提案

输入与输出

见下方输入与输出表格。

风险提示

• 低置信度信号需人工复核，避免误学错误模式
• 自动更新前务必检查与现有规则的冲突
• 状态文件丢失将导致待审核学习点清空
• 敏感对话内容可能残留在本地状态目录

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/stevengonsalvez/reflect-learn/SKILL.md
来源类型：GitHub 仓库