mirror of https://github.com/affaan-m/everything-claude-code.git synced 2026-03-30 13:43:26 +08:00

Files

2026-03-13 17:45:44 +08:00

4.9 KiB

Raw Blame History

description

description
从会话中提取可重用模式，在保存前自我评估质量，并确定正确的保存位置（全局与项目）。

/learn-eval - 提取、评估、然后保存

扩展 /learn，在编写任何技能文件之前，加入质量门控、保存位置决策和知识放置意识。

提取内容

寻找：

错误解决模式 — 根本原因 + 修复方法 + 可重用性
调试技术 — 非显而易见的步骤、工具组合
变通方法 — 库的怪癖、API 限制、特定版本的修复
项目特定模式 — 约定、架构决策、集成模式

流程

回顾会话，寻找可提取的模式
识别最有价值/可重用的见解
确定保存位置：
- 提问："这个模式在其他项目中会有用吗？"
- 全局 (~/.claude/skills/learned/)：可在 2 个以上项目中使用的通用模式（bash 兼容性、LLM API 行为、调试技术等）
- 项目 (当前项目中的 .claude/skills/learned/)：项目特定的知识（特定配置文件的怪癖、项目特定的架构决策等）
- 不确定时，选择全局（将全局 → 项目移动比反向操作更容易）
使用此格式起草技能文件：

---
name: pattern-name
description: "Under 130 characters"
user-invocable: false
origin: auto-extracted
---

# [描述性模式名称]

**提取日期：** [日期]
**上下文：** [简要描述此模式适用的场景]

## 问题
[此模式解决的具体问题 - 请详细说明]

## 解决方案
[模式/技术/变通方案 - 附带代码示例]

## 何时使用
[触发条件]

质量门控 — 清单 + 整体裁决

5a. 必需清单（通过实际阅读文件进行验证）

在评估草案之前，执行以下所有操作：

[ ] 使用关键字在 ~/.claude/skills/ 和相关项目的 .claude/skills/ 文件中进行 grep 搜索，检查内容重叠
[ ] 检查 MEMORY.md（项目级和全局级）以查找重叠内容
[ ] 考虑是否追加到现有技能即可满足需求
[ ] 确认这是一个可复用的模式，而非一次性修复

5b. 整体裁决

综合清单结果和草案质量，然后选择以下一项：

裁决	含义	下一步行动
保存	独特、具体、范围明确	进行到步骤 6
改进后保存	有价值但需要改进	列出改进项 → 修订 → 重新评估（一次）
吸收到 [X]	应追加到现有技能	显示目标技能和添加内容 → 步骤 6
放弃	琐碎、冗余或过于抽象	解释原因并停止

指导维度（用于告知裁决，不进行评分）：

具体性和可操作性：包含可立即使用的代码示例或命令
范围契合度：名称、触发条件和内容保持一致，并专注于单一模式
独特性：提供现有技能未涵盖的价值（基于清单结果）
可复用性：在未来的会话中存在现实的触发场景

裁决特定的确认流程
- 改进后保存：呈现必需的改进项 + 修订后的草案 + 一次重新评估后的更新清单/裁决；如果修订后的裁决是保存，则在用户确认后保存，否则遵循新的裁决
- 保存：呈现保存路径 + 清单结果 + 1行裁决理由 + 完整草案 → 在用户确认后保存
- 吸收到 [X]：呈现目标路径 + 添加内容（diff格式） + 清单结果 + 裁决理由 → 在用户确认后追加
- 放弃：仅显示清单结果 + 推理（无需确认）
保存 / 吸收到确定的位置

步骤 5 的输出格式

### Checklist
- [x] skills/ grep: no overlap (or: overlap found → details)
- [x] MEMORY.md: no overlap (or: overlap found → details)
- [x] Existing skill append: new file appropriate (or: should append to [X])
- [x] Reusability: confirmed (or: one-off → Drop)

### Verdict: Save / Improve then Save / Absorb into [X] / Drop

**Rationale:** (1-2 sentences explaining the verdict)

设计原理

此版本用基于清单的整体裁决系统取代了之前的 5 维度数字评分标准（具体性、可操作性、范围契合度、非冗余性、覆盖度，评分 1-5）。现代前沿模型（Opus 4.6+）具有强大的情境判断能力 —— 将丰富的定性信号强行压缩为数字评分会丢失细微差别，并可能产生误导性的总分。整体方法让模型自然地权衡所有因素，产生更准确的保存/放弃决策，同时明确的清单确保不会跳过任何关键检查。

注意事项

不要提取琐碎的修复（拼写错误、简单的语法错误）
不要提取一次性问题（特定的 API 中断等）
专注于那些将在未来会话中节省时间的模式
保持技能聚焦 —— 每个技能一个模式
当裁决为“吸收”时，追加到现有技能，而不是创建新文件

4.9 KiB Raw Blame History Unescape Escape