Meta Skill - 元技能

概述

对话级别的元认知能力。复盘的核心价值是提炼洞察，不是罗列事实。

触发条件

显式触发

/meta-skill - 当前对话复盘
/meta-skill review-all - 技能体系复盘

隐式触发

复盘、回顾、总结这次对话
优化技能、升级技能、迭代技能
沉淀经验、提炼方法
这个流程可以复用吗
技能体系复盘、技能健康检查

核心原则

洞察优先 - 复盘的价值是"学到了什么"，不是"做了什么"
诚实评估 - 没有问题就说没有，不要为了输出而凑内容
高标准沉淀 - 简单的流程不值得变成技能，宁缺毋滥
灵活输出 - 根据实际情况调整，不是机械填模板

当前对话复盘

Step 1: 提炼核心收获

回答一个问题：这次对话最重要的收获是什么？

解决了什么问题？
学到了什么新东西？
有什么可以复用的经验？

输出 2-3 句话的核心收获，不要罗列细节。

Step 2: 提炼关键洞察

从对话中提炼可迁移的认知：

发现了什么规律？
踩了什么坑？
有什么原则值得记住？

只输出真正有价值的洞察，没有就不写。

Step 3: 技能评估

已用技能评估：

表现良好 → 直接说"表现良好，无需优化"
有明显问题 → 具体说明问题和建议
需要深入评估时 → 参考 references/evaluation-frameworks.md 的检查清单

新技能判断：

问自己：这个流程真的值得变成技能吗？
简单的、一次性的、容易记住的 → 不值得
复杂的、会重复的、容易出错的 → 值得考虑
需要系统评估时 → 参考 references/evaluation-frameworks.md 的准入门槛

Step 4: 待验证（可选）

如果有需要后续验证的假设，列出来。没有就不写。

Step 5: 记录

如果有值得记录的内容，追加到 ~/.claude/skills/EVOLUTION.md。如果这次对话没有产生值得记录的进化，就不记录。

输出格式

不要机械填模板。 根据实际情况，只输出有价值的部分。

示例 1：有收获的对话

# 对话复盘

## 核心收获
构建了技能进化系统的基础设施：非侵入式数据采集 + 两种复盘模式 + 进化日志。

## 关键洞察
1. 记录机制必须非侵入 - 不能要求修改所有技能
2. Claude 没有自动触发能力 - 需要用户主动或外部调度
3. 数据驱动 - 技能进化需要基于实际使用数据

## 技能评估
- skill-creator: 表现良好，无明显问题

## 待验证
- meta-skill 的隐式触发是否够灵敏？

示例 2：发现技能问题

# 对话复盘

## 核心收获
完成了 XX 功能，但发现 YY 技能有优化空间。

## 技能评估

### YY 技能
- **问题**: 触发词不够口语化，用户说"帮我做个XX"时没有触发
- **建议**: 在 description 中补充常见口语表达
- **优先级**: 中

示例 3：建议新技能

# 对话复盘

## 核心收获
完成了 XX 流程，这个流程值得沉淀。

## 新技能建议

### 建议创建: xxx-skill

**理由**:
- 这个流程会重复使用（预期每周 2-3 次）
- 步骤较多（5步），容易遗漏
- 有隐性知识（需要注意 YY 细节）

**草稿**: [简要描述或单独文件]

是否创建？

示例 4：简单对话

# 对话复盘

## 核心收获
修复了 XX bug，原因是 YY。

## 技能评估
本次未使用技能。无新技能建议（修 bug 不需要沉淀为技能）。

示例 5：无收获的对话

# 对话复盘

本次对话是简单的问答/操作，无需复盘。

技能体系复盘（review-all）

数据来源

python3 ~/.claude/evaluation/scripts/analyze_transcripts.py --days 30 --output markdown

输出要点

使用统计 - 哪些技能在用，哪些没人用
问题发现 - 技能冗余、使用率低、触发词不灵等
优化建议 - 具体可执行的改进项
优先级排序 - 先做什么，后做什么

不要输出空洞的表格，要有判断和建议。

参考资料

references/evaluation-frameworks.md - 详细的评估清单、准入门槛、失败归因分类、技能结构规范

注意事项

不要过度沉淀 - 简单流程不值得变成技能
诚实评估 - 没问题就说没问题
洞察优先 - 复盘是为了学习，不是为了记录
灵活输出 - 有话则长，无话则短
渐进披露 - 日常复盘用简化流程，需要深入时再看 references