name: learning-capture description: 识别并捕获工作会话中的可重用模式、工作流程和领域知识，转化为新技能。在完成涉及重复2次以上的新方法、跨对话综合复杂领域知识、发现有效推理模式或开发工作流程优化的任务时使用。通过识别那些在10次以上未来使用中每次重用可节省500+令牌的模式，优化高上下文窗口投资回报率。
学习捕获
概述
此技能通过在工作期间识别有价值的模式并将其捕获为新技能，实现持续学习。它侧重于高投资回报率的捕获：通过频繁重用节省显著上下文窗口令牌的模式。
识别框架
监控以下五种类型的学习时刻：
1. 新颖问题解决方法
触发: 为复杂问题开发创造性、非显而易见的解决方案，可应用于类似的未来问题。
强信号:
- 解决方案需要多步推理或新颖工具组合
- 方法可推广到此特定实例之外
- 用户对结果表示满意
- 类似问题类型可能重复发生
2. 重复模式
触发: 用户请求类似任务2-3次，并出现一致的方法。
强信号:
- 模式已重复2次以上，结构一致
- 用户询问“你能像之前那样做吗？”
- 任务类型明确是持续性的（如周报、月度沟通）
- 每个实例都需要重新解释方法
3. 领域特定知识
触发: 用户解释公司流程、术语、模式或标准，这些知识跨越多个对话。
强信号:
- 信息在2次以上对话中积累
- 知识是稳定的（不会每周变化）
- 用户频繁在此领域提问
- 重新解释每次成本超过1000令牌
4. 有效推理模式
触发: 发现一种特定的结构化思考方式，能持续产生更好的结果。
强信号:
- 模式适用于一类问题，而不仅仅是单一实例
- 结果明显优于简单方法
- 结构是可教授和可复制的
- 问题类别频繁复发
5. 工作流程优化
触发: 找出链接工具或步骤的有效方式，以产生全面结果。
强信号:
- 工作流程链接3个以上不同步骤
- 模式可推广到类似任务类型
- 用户欣赏其全面性
- 类似工作流程可能定期需要
决策框架
当以下所有条件都为真时，提供捕获:
-
高置信度（>95%）有显著投资回报率:
- 模式将在未来对话中重用10次以上
- 每次重用节省500+令牌的重新解释
- 技能本身加载成本<5000令牌
-
存在强可重用性信号:
- 模式已重复2次以上，或
- 用户明确表示持续需求（“我每周都做这个”），或
- 值得形式化的复杂领域知识，或
- 具有明确可推广性的新颖工作流程
-
不与现有能力冗余:
- 没有现有技能已覆盖此模式
- 添加超出一般知识的有意义价值
在以下情况下不提供捕获:
- 模式的首次实例（等待重复）
- 高度上下文特定的解决方案（无法推广）
- 使用现有能力的简单任务（无边际价值）
- 创造性/一次性工作（低重用概率）
- 可重用性模糊（不清楚是否复发）
参考references/decision-examples.md获取高置信度与低置信度场景的具体示例。
捕获过程
步骤1：识别学习时刻
在工作期间，监控上述框架中的识别触发器。跟踪：
- 这是重复模式吗？
- 这能推广到此实例之外吗？
- 形式化此内容能在未来使用中节省显著令牌吗？
步骤2：根据决策框架评估
在提供捕获之前，验证：
- 投资回报率计算：（预期重用次数 × 节省令牌）>> 技能成本
- 存在强可重用性信号
- 不与现有能力冗余
如果所有检查通过，继续提供。如果不确定，则不提供。
步骤3：保守地提供捕获
时机: 在完成即时任务后提供，而不是任务中途。
措辞: 简洁且具体地说明将捕获什么以及其价值。
好示例:
- “我注意到我最近三次内部沟通文档的结构类似。是否有助于将其捕获为技能用于未来沟通？”
- “我在我们的对话中积累了对您数据架构的理解。我应该将其形式化为技能以便未来更高效参考吗？”
- “我开发的验证工作流程似乎适用于您的其他杂乱数据集。值得捕获为技能吗？”
避免:
- 过度解释决策推理
- 置信度低于95%时提供
- 中断任务流程来提供
步骤4：构建草稿技能
当用户同意捕获时，按照以下步骤创建草稿技能文件：
- 从references/skill-templates.md选择适当模板，基于学习时刻类型
- 使用模板作为指导构建技能
- 保持简洁: 专注于非显而易见和可重用的内容
- 包括具体触发器: 明确何时使用此技能
- 添加示例，在有助于清晰时
- 保存到输出: 在
/mnt/user-data/outputs/[技能名称].skill/创建草稿
草稿技能应准备好供用户审核和上传，只需最小编辑。
步骤5：呈现草稿
创建草稿技能后：
- 提供上下文: 简要解释技能捕获的内容及其价值
- 突出关键部分: 指出技能的最重要部分
- 建议改进: 指出用户输入可能改进技能的领域
- 解释下一步: 用户审核，可能编辑，然后通过UI上传用于未来对话
关键原则
默认保守: 宁可捕获80%真正有价值的模式，也不制造噪音。仅在置信度很高时提供。
侧重投资回报率: 优先考虑高重用频率和每次重用高令牌节省的模式。
上下文窗口意识: 技能加载需要令牌。技能应在10次使用内回本。
可解释性: 技能是纯文本，易于审核、纠正和改进。这种透明度是一个特性。
用户控制: 手动上传步骤确保质量控制，用户对添加到知识库的内容有控制权。
资源
references/skill-templates.md
基于学习时刻类型构建不同类型技能的模板。包括：
- 工作流程/过程技能模板
- 领域知识技能模板
- 任务模式技能模板
- 推理/提示模式技能模板
- 模板选择指南
在构建捕获技能时阅读此文件，以使用适当模板。
references/decision-examples.md
高置信度捕获场景（何时提供）和低置信度场景（何时不提供）的详细示例。包括：
- 带有信号分析的具体示例
- 识别模式检查表
- 决策阈值指南
- 投资回报率计算示例
当不确定学习时刻是否达到捕获阈值时，阅读此文件。