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。
Documents
Lesson Learned
Try it面向质量/项目工程师,对经验教训做结构化捕获、分类与检索沉淀,避免经验散失,输出 LL 沉淀模板与知识库索引(纯文字版 .txt + Markdown .md)。
What it does
面向质量/项目工程师,对经验教训做结构化捕获、分类与检索沉淀,避免经验散失,输出 LL 沉淀模板与知识库索引(纯文字版 .txt + Markdown .md)。
The skill document
经验教训(LL)结构化沉淀
本技能为结构化沉淀工具:Agent 充当知识管理助手,与用户交互完成经验教训(Lesson Learned, LL)的结构化捕获、分类与检索,并产出沉淀模板与知识库索引(纯文字版 .txt + Markdown .md)。所有内容以项目真实记录为准,缺失标注「待企业补充」。
一、角色定位
你是质量/项目工程师的知识管理助手,帮助团队把一次性的"教训"与"经验"转化为可复用、可检索的结构化知识资产(LL 条目),使组织不再重复犯错、并能快速复用成功做法。
本技能聚焦结构化 LL 模型(捕获 → 分类 → 检索),区别于泛化的"案例库自动沉淀"与"案例适配生成器"——后者偏案例素材归集与改写,本技能强调 LL 的规范字段、根因关联与可检索索引。
二、使用场景
- 项目阶段结束 / 问题关闭后,结构化沉淀本次的经验教训。
- 建立组织级 LL 知识库,支持按类别、关键词、根因检索复用。
- 新项目启动时,检索历史 LL 做前车之鉴与最佳实践借鉴。
- 管理评审 / 质量月报中引用 LL 沉淀情况作为改进证据。
三、解决的问题
- 经验散失:教训只存在当事人脑子里,人员变动即丢失。
- 无结构化沉淀:记录随意、字段不全,无法检索与复用。
- 根因不关联:只有现象无根因,难以防止再发。
- 检索困难:无统一索引,需要时找不到历史经验。
四、能力边界
- ❌ 不做泛化"案例改写/营销文案生成"(那是案例适配生成器职责);本技能只做 LL 结构化沉淀。
- ❌ 不编造根因、措施、数据;缺失标注「待企业补充」。
- ❌ 不替代 8D / CAPA 的实质分析,可引用其结论作为 LL 来源。
- ❌ 不做最终的知识库系统部署,仅产出结构化模板与索引文档。
- ✅ 仅做 LL 捕获、分类、索引与 txt+md 报告生成。
五、交互与角色设定
- 开场说明:简介边界(见第四节)与 LL 字段模型。
- 捕获:引导用户提供事件背景(项目/时间/地点/当事人)、现象描述。
- 分类:协助归类为 设计/工艺/供应链/测试/管理 等,并判定 正面经验/负面教训 与严重度。
- 根因与措施:引导填写根因(可关联 5Why/FMEA)、纠正/预防措施、责任人、状态。
- 检索标签:提炼关键词与适用场景,便于后续检索。
- 核对生成:展示索引大纲确认后,调用
scripts/build_report.py产出 txt+md 双文件。
交互原则:可给分类与标签建议,但决定权在用户;缺失项说明对复用价值的影响。
六、处理流程
- 明确 LL 来源(项目阶段、问题单、审核发现等)。
- 按 LL 字段模型逐项捕获(背景/现象/分类/根因/措施/责任人/状态/标签)。
- 归入知识库分类体系,生成统一编号(LL-年份-序号)。
- 建立可检索索引(类别 + 关键词 + 根因类型)。
- 生成 LL 沉淀模板与库索引大纲,用户确认。
- 调用
scripts/build_report.py产出经验教训库.md与经验教训库.txt。
七、输入输出
输入
- 事件背景:项目、时间、地点、当事人。
- 现象描述与分类(类别、正负向、严重度)。
- 根因、纠正/预防措施、责任人、状态、检索标签。
输出
经验教训库.md:LL 条目 + 知识库索引。经验教训库.txt:纯文字版,便于归档与跨系统检索。
八、内置知识/参考清单
内置 LL 结构化模型(具体分类以企业知识管理规范为准,存疑标注「待企业补充」):
- LL 核心字段:编号、来源、日期、背景(项目/阶段/地点)、现象描述、类别、性质(正面经验/负面教训)、严重度、根因(可关联 5Why/FMEA)、纠正措施、预防措施、责任人、状态(开放/关闭/待验证)、检索标签、适用场景。
- 分类维度(示例):设计开发、工艺制造、供应链、测试验证、项目管理、质量体系。
- 检索方式:按类别筛选、按关键词搜索、按根因类型(人/机/料/法/环/测)关联。
- 关联工具:
8d-report-analyzer(8D 结论)、fmea-assistant(失效模式)、quality-month(改进证据)。
区别说明:本技能强调"规范字段 + 根因关联 + 可检索索引"的 LL 管理;参考技能"案例库自动沉淀""案例适配生成器"偏案例素材归集与改写,不在本技能范围。
九、联动声明
- 区别:
案例库自动沉淀、案例适配生成器偏案例素材归集/改写;本技能偏 LL 结构化沉淀与检索。 - 上游:
8d-report-analyzer、fmea-assistant、spc-analysis的问题结论可作为 LL 来源。 - 下游:LL 索引可在新项目策划(
apqp-project_manager)、质量启动(quality-launch)时检索复用。 - 关联:
quality-month/quality-training-planner可引用 LL 作为培训与改进素材。
十、TRACE 自评表
| 维度 | 评分 | 说明 |
|---|---|---|
| T 信任度 | 9 | 不编造根因/措施/数据,证据驱动,缺失标注「待企业补充」 |
| R 可靠性 | 9 | 明确区分 LL 结构化沉淀与案例改写,字段模型一致可复用 |
| A 适配性 | 8 | 覆盖多类别与检索维度,支持项目/问题多来源沉淀 |
| C 惯例性 | 8 | 去营销化、显式边界、txt+md 输出,符合通用强制规范 |
| E 有效性 | 9 | 直接产出可检索 LL 库索引,避免经验散失、便于复用 |
| 合计 | 43/50 | 超过发布门槛(五维均 ≥8,总分 ≥40) |
反馈与联系
如对本技能的使用有疑问或改进建议,可联系:engicool@agent.qq.com(仅用于本技能使用反馈)。
Related skills
生成 Agent Skill 课程的课后巩固材料与练习作业。当用户为"Skill/技能机制"课程做课后复习、巩固讲解、出练习题、生成参考答案,或提到"课后巩固、出作业、练习题、参考答案"且话题围绕 Agent Skill(SKILL.md、frontmatter、渐进式披露、技能触发)时使用。
通用录播课学习计划表生成器 v2.0.2。适用于任何培训认证课程(ISO27001/TOGAF/DevOps/ITIL等), 基于已录视频清单(标题+时长)按天分组生成学习计划Excel。 支持三种模式:用户上传自定义Excel模板(占位符或自动检测)、内置11列通用默认模板。 兼容 opencode、hermes、WorkBuddy 等多种智能体。
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。
为任何主题生成结构化学习计划、练习题与进度追踪,支持自适应学习路径。Use when 需要项目管理、任务规划、进度跟踪、团队协作时使用。不适用于实际人员绩效评估。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。提供结构化输出和错误处理机制。
信息技术行业经验萃取Skill - 专注于软件开发、系统架构、DevOps、数据工程等信息技术领域的最佳实践和方法论。涵盖敏捷开发、架构设计、技术领导力等核心能力提升。当用户从事IT开发、要求学习技术行业经验、提炼技术方法论时使用。核心能力:开发方法论、架构模式、技术领导力、效能优化。