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。
文档
Lesson Learned
试用面向质量/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）。
它能做什么
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）。
技能文档
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）。
相关技能
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。
3 次安装
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。
1 次安装
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。
3 次安装