何时加载此技能

反射器：在编写个人反思后
进化者：在分析反思之前（以获得聚合视图）

核心概念

个人反思捕获特定于任务的学习。跨任务学习将这些聚合以识别：

不断出现的模式 → 技能候选
始终有效的策略 → 最佳实践
不断失败的策略 → 反模式
反复出现的瓶颈 → 系统弱点
不断出现的提案 → 优先改进

聚合文件

位置：memory/reflections/_aggregate.json

示例结构（紧凑JSON）：

{"last_updated":"ISO-8601","tasks_analyzed":15,"strategy_effectiveness":[{"strategy":"Spawn parallel explorers for context","uses":12,"successes":10,"effectiveness_score":0.83,"notes":"Works well for unfamiliar codebases"}],"failure_patterns":[{"pattern":"Contract conflicts in parallel implementation","occurrences":4,"severity":"high","status":"active"}],"skill_candidates":[{"pattern":"Read → Explore → Implement → Test → Verify","frequency":8,"effectiveness":"high","proposed_skill_name":"implementation-cycle"}]}

更新协议（供反射器使用）

在编写个人反思后，更新聚合：

1. 读取当前_aggregate.json
2. 读取刚刚编写的反思

3. 更新任务历史：
   - 添加新条目，包括任务ID、时间戳、结果
   - 保留最后20条记录（修剪最旧的）

4. 更新策略有效性：
   FOR每个策略在反思.patterns.effective_strategies中：
     IF策略在聚合中存在：
       → 增加使用次数和成功次数
       → 重新计算effectiveness_score
     ELSE：
       → 添加新条目，使用次数=1，成功次数=1

   FOR每个策略在反思.patterns.ineffective_strategies中：
     IF策略在聚合中存在：
       → 增加使用次数和失败次数
       → 重新计算effectiveness_score
     ELSE：
       → 添加新条目，使用次数=1，失败次数=1

5. 更新失败模式：
   FOR每个问题在反思.process_analysis.phases[].issues中：
     IF存在类似模式（模糊匹配）：
       → 增加出现次数
       → 更新上次出现
     ELSE：
       → 添加新模式

6. 更新瓶颈热点：
   FOR每个瓶颈在反思.process_analysis.bottlenecks中：
     IF位置存在：
       → 增加频率
       → 添加新原因
     ELSE：
       → 添加新热点

7. 更新技能候选：
   FOR每个序列在反思.patterns.repeated_sequences中：
     IF序列.skill_candidate == true：
       IF存在类似模式：
         → 增加频率
       ELSE：
         → 添加新候选

8. 更新反复发现：
   FOR每个发现在反思.knowledge_discovered中：
     IF存在类似发现：
       → 增加发现次数
       → 如果次数>=3，则设置should_be_documented = true
     ELSE：
       → 添加新条目

9. 更新反复提议：
   FOR每个提议在反思.evolution_proposals中：
     IF存在类似提议：
       → 增加出现次数
     ELSE：
       → 添加新条目

10. 更新重试分析：
    FOR每个重试在反思.process_analysis.retries中：
      → 增加总重试次数
      → 更新按策略计数

11. 增加任务分析次数
12. 更新上次更新
13. 写入更新后的_aggregate.json（紧凑JSON）

相似性匹配

当检查模式是否“相似”时：

标准化两个字符串：
  - 小写
  - 移除标点符号
  - 移除常用词（the, a, an, is, are）

比较使用：
  - 标准化后的精确匹配
  - OR: >70%单词重叠
  - OR: 相同关键词存在

行动阈值

指标	阈值	行动
策略有效性 < 0.3	使用5次后	标记为反模式
策略有效性 > 0.8	使用5次后	标记为最佳实践
失败模式出现次数	>= 3	标记为紧急修复
技能候选频率	>= 5	提议作为新技能
反复发现次数	>= 3	添加到知识库
反复提议次数	>= 3	优先进化

查询模式（供进化者使用）

获取需要修复的顶级问题：

failure_patterns
  WHERE status == "active"
  ORDER BY occurrences * severity_weight DESC
  LIMIT 5

获取需要记录的最佳实践：

strategy_effectiveness
  WHERE effectiveness_score > 0.8
  AND uses >= 5

获取准备实施的技能候选：

skill_candidates
  WHERE frequency >= 5
  AND effectiveness == "high"
  AND status == "candidate"

获取知识差距：

recurring_discoveries
  WHERE should_be_documented == true
  AND NOT in knowledge_base

与进化者的集成

进化者应该：

首先读取_aggregate.json（不是个人反思）
使用聚合数据进行提案优先级排序：
- 高频率失败模式 → 高优先级
- 高频率技能候选 → 中等优先级
- 反复提议 → 已经验证的想法
仅在需要详细信息时参考个人反思
进化后更新recurring_proposals[].status

原则

聚合，不重复 - 汇总统计，不是副本
追踪趋势 - 首次出现，上次出现，频率
启用查询 - 结构易于过滤
基于阈值的行动 - 何时行动的明确标准
模糊匹配 - 类似模式应合并，不重复