行业经验萃取Skill - 收集、整理、归纳各行业最佳实践经验和工作方法论。参照ISIC国际标准行业分类,涵盖科技、制造、金融、医疗、教育、服务等主流行业的经验萃取。当用户要求收集行业经验、分析同业做法、提炼行业方法论、进行跨行业学习时使用。核心能力:行业分类导航、最佳实践收集、方法论提炼、跨行业类比。
Coding
jing-yan-cui-qu
Try it经验萃取Skill - 回顾历史工作、归纳工作逻辑、提取可复用方法论。当用户要求回顾工作经历、总结经验教训、提取优秀实践、规划能力提升时使用。核心能力:会话记录存储、工作思路分析、经验模板生成、方法论提炼。
What it does
经验萃取Skill - 回顾历史工作、归纳工作逻辑、提取可复用方法论。当用户要求回顾工作经历、总结经验教训、提取优秀实践、规划能力提升时使用。核心能力:会话记录存储、工作思路分析、经验模板生成、方法论提炼。
The skill document
经验萃取 - Experience Distillation Skill
核心使命:让每一段工作经历都转化为可复用的智慧资产
设计理念:记录 → 分析 → 提炼 → 复用
1. 核心理念
1.1 什么是经验萃取
经验萃取是将零散的工作经历转化为系统化、可复用知识资产的过程。它不仅仅是记录,更是深度分析和模式识别。
1.2 经验萃取的四大步骤
记录(Record)→ 分析(Analyze)→ 提炼(Distill)→ 复用(Reuse)
↓ ↓ ↓ ↓
原始素材 识别模式 抽象方法 指导未来
1.3 三层知识结构
| 层次 | 定义 | 示例 |
|---|---|---|
| 数据层 | 原始工作记录 | 会议纪要、任务清单、代码提交 |
| 方法层 | 规律性总结 | "处理复杂任务时先拆解再逐个击破" |
| 原则层 | 普适性指导 | "始终验证关键假设后再投入资源" |
2. 存储架构
2.1 使用 /memories 作为持久化存储
所有经验数据都存储在 /memories 目录下的结构化文件中:
/memories/
├── session_notes.md # 当前会话笔记
├── work_history/ # 工作经历记录
│ ├── YYYY-MM-DD_项目名.md # 按时间和项目组织
│ └── ...
├── insights/ # 提炼的洞见
│ ├── methodologies.md # 方法论集合
│ ├── principles.md # 原则清单
│ └── patterns.md # 模式识别库
└── templates/ # 模板库
├── work_record.md # 工作记录模板
└── reflection.md # 反思模板
2.2 会话记录规则
每次重要工作会话结束后,自动保存以下信息:
- 会话主题和目标
- 关键决策点
- 遇到的挑战及解决方案
- 可复用的技巧
- 待改进之处
3. 工作记录模板
3.1 每日工作记录
## 工作记录 - [日期]
### 今日完成
- [任务1]: [结果]
- [任务2]: [结果]
### 关键决策
- [决策点]: [选择方案] → [理由]
### 挑战与应对
- [挑战描述]: [应对策略]
### 明日计划
- [ ] 任务1
- [ ] 任务2
### 值得记录的想法
[任何值得未来复用的洞见]
3.2 项目经验总结
## 项目经验 - [项目名称]
### 项目概述
- 目标:[项目目标]
- 时间:[起止时间]
- 角色:[个人角色]
### 关键成功因素
1. [因素1]
2. [因素2]
### 主要挑战
| 挑战 | 解决方案 | 结果 |
### 可复用方法
- [方法1]: [适用场景]
- [方法2]: [适用场景]
### 教训与改进
- [教训1]: [改进措施]
- [教训2]: [改进措施]
### 关联的方法论
[链接到 insights/methodologies.md]
3.3 决策反思模板
## 决策反思 - [日期]
### 决策背景
[什么情况需要做决策]
### 选项分析
| 选项 | 优点 | 缺点 | 风险 |
|------|------|------|------|
| A | | | |
| B | | | |
| C | | | |
### 最终选择
[选择哪个选项,为什么]
### 事后验证
[决策是否正确学到了什么]
4. 分析方法论
4.1 工作逻辑识别
通过分析多个工作记录,识别重复出现的思维模式:
五维分析法:
- 目标维度 - 为什么做这件事
- 方法维度 - 采用了什么方法
- 资源维度 - 投入了什么资源
- 执行维度 - 如何落地执行
- 结果维度 - 达成了什么结果
4.2 模式识别清单
检查以下常见模式:
| 模式类型 | 识别特征 | 提炼价值 |
|---|---|---|
| 成功模式 | 重复成功的结果 | 最佳实践 |
| 失败模式 | 重复失败的原因 | 预警清单 |
| 决策模式 | 特定场景的选择倾向 | 决策框架 |
| 沟通模式 | 与他人协作的特点 | 协作指南 |
| 思维模式 | 思考问题的习惯 | 元认知改进 |
4.3 经验价值评估
评估维度:
- 普遍性 - 这个经验适用于多少场景
- 可操作性 - 别人能容易地复用吗
- 时效性 - 这个经验保质期多长
- 可验证性 - 能通过实践验证吗
评分标准:
- ⭐⭐⭐⭐⭐: 顶级经验,必须保留
- ⭐⭐⭐⭐: 重要经验,优先复用
- ⭐⭐⭐: 一般经验,酌情使用
- ⭐⭐: 参考价值有限
- ⭐: 可忽略
5. 方法论提炼框架
5.1 从具体到抽象的提炼路径
具体案例 → 关键特征 → 通用模式 → 方法论原则
↓ ↓ ↓ ↓
项目A 成功要素 成功规律 普适方法
5.2 方法论书写规范
每个方法论应该包含:
格式模板:
## [方法论名称]
### 适用场景
[在什么情况下使用这个方法论]
### 核心步骤
1. [步骤1]
2. [步骤2]
3. [步骤3]
### 操作要点
- [要点1]: [具体说明]
- [要点2]: [具体说明]
### 常见陷阱
- [陷阱1]: [如何避免]
- [陷阱2]: [如何避免]
### 验证方法
[如何验证这个方法论是否有效]
### 来源案例
[链接到具体案例]
5.3 方法论分类索引
分类体系:
| 类别 | 说明 | 示例 |
|---|---|---|
| 分析类 | 如何分析问题 | 5W1H分析法 |
| 决策类 | 如何做选择 | 决策矩阵法 |
| 执行类 | 如何落地 | PDCA循环 |
| 沟通类 | 如何协作 | RFC沟通法 |
| 学习类 | 如何成长 | 复盘四步法 |
| 创新类 | 如何突破 | 跨界组合法 |
6. 使用流程
6.1 日常使用流程
每日结束 → 填写工作记录 → 识别今日洞见 → 更新方法论库
6.2 定期回顾流程
周度回顾:
- 本周完成了什么
- 遇到了哪些挑战
- 学到了什么新东西
- 下周有什么计划
月度回顾:
- 本月的主要成果
- 哪些方法论被验证有效
- 需要学习的新技能
- 下月的关键目标
季度回顾:
- 能力的提升情况
- 思维模式的变化
- 职业发展的进展
- 下季度的重点
6.3 经验复用流程
遇到新问题 → 检索方法论库 → 匹配类似经验 → 应用并验证 → 更新经验库
7. 高级技巧
7.1 类比思维
将一个领域的经验类比到另一个领域:
- 烹饪经验 → 项目管理
- 运动训练 → 技能学习
- 游戏策略 → 商业决策
7.2 逆向思维
从失败案例中提炼经验:
- 分析失败的根本原因
- 反向推导正确做法
- 验证新的假设
7.3 跨域组合
将不同领域的概念组合创新:
- 设计思维 + 敏捷开发
- 第一性原理 + 用户研究
- 生态系统思维 + 商业模式
8. 常见问题处理
8.1 记录太多太杂怎么办
解决方案:使用标签系统
#工作 #决策 #沟通 #技术 #管理
每周整理一次,只保留最有价值的记录。
8.2 经验相互矛盾怎么办
解决方案:标注适用边界
"快速决策"方法论
- 适用于:紧急情况、低风险决策
- 不适用于:重大决策、需要共识的情况
8.3 时间长了忘记上下文怎么办
解决方案:使用结构化模板
每个记录都要包含足够的背景信息,让未来的自己能够快速理解。
9. 工具支持
9.1 推荐的记录工具
- 本地文件: 使用 /memories 目录
- 表格工具: 用于分类统计
- 思维导图: 用于结构化思考
9.2 检索技巧
使用标签和日期快速定位:
标签:#方法论 #项目A #技术栈
时间:最近一个月
10. 版本与更新
当前版本: 1.0.0
更新日志:
- 1.0.0: 初始版本,包含完整的经验萃取框架
维护计划:
- 每月更新方法论库
- 每季度优化框架结构
- 根据使用反馈持续改进
核心理念:最好的投资是投资自己,最好的经验是被萃取和复用的经验
Related skills
金融行业经验萃取Skill - 专注于银行、保险、证券、投资管理等金融领域的最佳实践和方法论。涵盖风险管理、客户服务、数字化转型、合规管理等核心能力提升。当用户从事金融业务、要求学习金融行业经验、提炼金融方法论时使用。核心能力:风险管控、客户服务、合规管理、数字化运营。
将项目复盘、专家访谈、岗位流程、制度规范、产品知识、旧课件、培训笔记或课程主题, 深度萃取为可直接授课的企业培训课程。先判断资料类型和成熟度,再按需使用 STAR 与 PRM 手脑心,完成知识降维、方法论、案例、练习、题库、PPT 逐页稿和讲师手册; 支持关键追问、外网扩展和多轮精修,兼顾课程质量与生成效率。
项目复盘与经验沉淀:重建时间线、追踪关键决策、提取可复用经验,输出结构化复盘报告。Invoke when user asks 项目复盘、项目回顾、复盘总结、经验沉淀、迭代总结.
AI 编码助手的经验会随着会话结束而丢失:解决过的坑、反复走过的弯路、好的设计决策、用户的偏好,统统不被记住。本技能集合要建立一个**持续进化的闭环**: ``` 解决问题 → 检测信号 → 温和提醒 → 蒸馏经验(用户确认)→ 分类入库 → 下次自动生效 ``` 经验分四轨存储,各司其职: | 轨道 | 内容 | 生效范围 | |---|---|---| | 用户画像 | 技术栈、工具链、编码风格、协作偏好 | 所有项目 | | 个人通用经验 | 与项目无关的方法论、通用坑 | 所有项目 | | 行业领域经验 | 行业知识、业务规则(如 GIS/GeoAI) | 同领域项目 | | 项
制造业经验萃取Skill - 专注于生产制造、质量管理、供应链管理、精益生产等制造领域的最佳实践和方法论。涵盖精益制造、质量控制、供应链优化、设备管理等核心能力提升。当用户从事制造业、要求学习制造行业经验、提炼制造方法论时使用。核心能力:精益生产、质量管理、供应链管理、智能制造。