Review daily memory logs and consolidate durable knowledge into the existing memory hierarchy. Use for scheduled or manual knowledge review, especially when deciding whether to update an existing canonical document, create a genuinely new document, skip a duplicate, defer an unstable signal, or propose merging overlapping documents.
Coding
Learning Review
Try it学用结合的回顾机制。包含五个回顾环节:学后复盘(每次学完)、周内化(每周一次)、应用检查(每两周一次)、压缩归档(每月一次)、知识落地(每周一次)。将学习成果转化为 Agent 实际工作能力,防止"学完就忘"。 触发词:"回顾", "复盘", "内化", "学习回顾", "learning review", "r...
What it does
学用结合的回顾机制。包含五个回顾环节:学后复盘(每次学完)、周内化(每周一次)、应用检查(每两周一次)、压缩归档(每月一次)、知识落地(每周一次)。将学习成果转化为 Agent 实际工作能力,防止"学完就忘"。 触发词:"回顾", "复盘", "内化", "学习回顾", "learning review", "retrospective", "知识落地", "压缩归档"。 Not for: 首次学习新知识(用 daily-learning)、非学习类的定期回顾。
The skill document
Learning Review — 学用结合回顾机制
学完不是终点,用上才是。本 skill 是 daily-learning 的配套闭环,确保学到的知识变成 Agent 的日常工作能力。
前置条件
依赖 daily-learning 的标准目录结构。如 learning/reviews/ 不存在:
mkdir -p /learning/reviews/{post-learning,weekly,application,archive,integration}
五种回顾模式
模式 A:学后复盘(Post-Learning Review)
时机:daily-learning Step 5 完成后立刻执行 | 耗时:3-5 分钟
- 读取刚才写的学习笔记
- 生成复盘报告,保存到
learning/reviews/post-learning/YYYY-MM-DD.md
核心是回答三个问题:直接能用什么?待内化什么?遗留什么问题? "直接能用"必须具体到场景,不能写废话。
模板见 references/templates.md → 模式 A
模式 B:周内化(Weekly Internalization)
时机:每周一次(建议周日),cron 触发 | 耗时:10-15 分钟
- 扫描本周
learning/notes/所有笔记 - 读取对应的
learning/reviews/post-learning/复盘报告 - 识别所有标记"待内化"的条目
- 执行内化——更新 Agent 文件(AGENTS.md / TOOLS.md / SOUL.md / memory/ / MEMORY.md)
- 写内化报告到
learning/reviews/weekly/YYYY-Www.md
内化判断三问:改变了我怎么做事?→ AGENTS.md | 给了新工具/方法?→ TOOLS.md | 改变了怎么想问题?→ SOUL.md。三个都"没有"则不到内化时机。
模板见 references/templates.md → 模式 B(含内化动作对照表、各角色侧重点)
关键原则:内化不是复制粘贴,是用自己的话重写成行动指南。"我知道了" → "我改变了行为" 才算内化。
模式 C:应用检查(Application Check)
时机:每两周一次,cron 触发 | 耗时:10-15 分钟
- 读取最近 14 天的
memory/*.md和learning/notes/*.md - 交叉比对:学习笔记中的知识点有没有在日常工作中出现
- "提到就算应用":在对话/文档中提到学过的概念、用了学过的方法,都算
- 写报告到
learning/reviews/application/YYYY-MM-DD.md
关键原则:对自己诚实,应用率是诊断工具不是 KPI。"未能应用"原因——"不适用"说明学偏了,"忘了"说明内化不够。
模板见 references/templates.md → 模式 C
模式 D:压缩归档(Archive & Compress)
时机:每月一次,cron 触发 | 耗时:10-15 分钟
- 扫描 inline 文件(AGENTS.md, SOUL.md, MEMORY.md),检查是否超过 ~150 行
- 识别可移出内容:不需每次对话看到的细节、已内化知识、过时上下文
- 将移出内容写入
references/.md - 在 inline 文件中替换为摘要 + 指针(
详见 references/.md) - 将不再需要的笔记从
learning/notes/移至learning/archive/
判断标准:连续 3 次回顾都没被用到的信息 → 移出 inline。
模式 E:知识落地(Knowledge Integration)
时机:每周一次,在模式 B 之后执行,或独立触发 | 耗时:5-10 分钟
目的:确保学习不只停留在笔记层面,而是落地到行为准则或工作流程中。
- 读取本周所有学习笔记和复盘报告
- 对每条知识判断:能不能更新到 AGENTS.md(行为准则/认知)或某个 Skill(工作流程)里?
| 判断 | 行动 |
|---|---|
| 能落地到 AGENTS.md | 更新行为准则/认知/规则 |
| 能优化某个 Skill | 找到对应 Skill 文件,修改流程/步骤 |
| 暂时无法落地 | 标记"待验证",下次回顾再检 |
| 纯知识储备 | 不强制落地,保持现状 |
- 写知识落地报告到
learning/reviews/integration/YYYY-MM-DD.md
关键原则:不是每条知识都必须落地。但连续两周没有任何知识落地 → 学习方向或深度有问题。Skill 优化是最高价值的落地。
模板见 references/templates.md → 模式 E
与 daily-learning 的集成
学后复盘(模式 A)应作为 daily-learning 的新 Step 5.5 自动触发。建议在 daily-learning 的 cron 描述中追加:
6. 执行学后复盘(learning-review skill 模式 A),保存到 learning/reviews/post-learning/
Cron 配置
所有模式的 cron 模板见 references/cron-templates.md。
季度回顾(可选,不自动触发)
每季度末由人类或 learning-expert 发起:汇总 reviews/weekly/ 和 reviews/application/ 报告,统计季度学用转化率,识别持续"学了没用"的领域,输出下季度学习建议。暂不自动化。
Related skills
学习知识管理系统。支持知识点录入、分类存储、每日早间学习建议推送、晚间知识回顾推送、专项备考管理(含大纲和DDL追踪)、知识点查询与维护。触发方式:学了/学习了/知识点/记录一下/知识:/K:/学到了/第N条/展开/查一下/搜索/开启专项/进度/大纲等。适用于备考/持续学习场景。
元习 —— 跨智能体的学习闭环技能:把错误、纠正与洞见沉淀为 .learnings/ 条目,供后续会话与技能改进复用。触发:命令失败、用户纠正、发现更好的做法、请求缺失能力、外部接口故障、知识过时、需要沉淀经验时;或用户说 记一笔/学习/沉淀/self-improvement/learnings 等。边界:不写入私密/敏感信息(除非用户明确要求);不自动改动系统文件。
把一周零散的学习记录整理成有结论、有证据、有下一步的周报,并带学生做一次自我复盘。学生说“帮我生成周报”“这周学习复盘”“总结一下这周”“下周重点是什么”时可激活;说“这个月怎么样”的转学习系统协调器。它只做周维度:不生成月报(转学习系统协调器)、不指挥其他 SKILL 干活、不分析单道错题(转错题本);自己只有三条出口——成长轨迹摘要写回学习DNA、复盘提醒交 IM 提醒、月报所需的周报摘要交学习系统协调器——都走交接协议,需学生当次同意。家庭版需要学生授权后才生成,学生可以否决。
Agent 学习循环 skill。基于 One Click 的日志 → AI 汇总 → 人工标注 → 经验沉淀三层架构,设计 Agent 的自我迭代机制。触发场景:用户说"经验学习"、"日志设计"、"Agent 迭代机制"、或 workflow-start 路由到此 skill。
审查中文内容的事实依据、逻辑连贯性、术语规范、翻译腔、AI 写作痕迹与整体结构,适用于 文章、报告、教程、项目介绍和说明材料。当用户要求“审查”“检查一下”“看看有没有问题” “整体看看”,或使用 "review an article", "review this draft", "proofread" 等英文表达时 使用;可独立运行,也可作为其他写作技能的内联审查阶段。