拆分: - Onboard → references/onboard.md - 学习飞轮 → references/learn-edits.md - 效果复盘 → references/effect-review.md SKILL.md 只保留主管道(写文章)+ 错误处理。 重编号: - 去掉 0, 2.5, 3.5, 3.75, 7.5 等补丁式编号 - Step 1-8 连续编号,子步骤用 a/b/c 新增行为声明区(学习 gstack preamble 模式): - 角色、模式、降级原则一次性声明 - 完成协议:DONE / DONE_WITH_CONCERNS / BLOCKED / NEEDS_CONTEXT - 辅助功能用 读取: references/xxx.md 按需加载 - frontmatter 新增 allowed-tools 结构:11 个 section header(原 34 个),Agent 认知负荷大幅降低。 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2 KiB
2 KiB
学习人工修改(核心飞轮)
这是 WeWrite 最重要的长期价值。每次用户编辑文章后让系统学习,下一次的初稿就会更接近用户的风格,需要的编辑量越来越少。
飞轮效应:初稿需要改 30% → 学习 5 次后只需改 15% → 学习 20 次后只需改 5%
触发:用户说"我改了,学习一下"、"学习我的修改"
1. 获取 draft 和 final
- draft:
output/下最新的 .md 文件 - final:用户提供修改后的版本(粘贴或指定文件路径)
2. 运行 diff 分析
python3 {skill_dir}/scripts/learn_edits.py --draft {draft_path} --final {final_path}
3. 分析并记录
读取脚本输出的 diff 数据,对每个有意义的修改分类:
- 用词替换:AI 用了"讲真",人工改成"坦白说"
- 段落删除:人工觉得某段多余
- 段落新增:人工补充了 AI 没写的内容
- 结构调整:H2 顺序或分段方式的变化
- 标题修改:标题风格偏好
- 语气调整:整体语气的偏移方向
将分类结果写入 lessons/ 下的 diff YAML 文件的 edits 和 patterns 字段。
4. 自动触发 Playbook 更新
每积累 5 次 lessons,自动触发 playbook 更新:
python3 {skill_dir}/scripts/learn_edits.py --summarize
脚本输出所有 lessons 的汇总数据。Agent 必须执行以下步骤完成闭环:
- 读取 summarize 输出,找出反复出现的 pattern(≥2 次)
- 读取当前
{skill_dir}/playbook.md(如果不存在则从零创建) - 将 pattern 转化为可执行的写作规则写入 playbook.md:
- 不要写"用户偏好简短段落"(描述性,不可执行)
- 要写"段落不超过 80 字,长段必须在 3 句内换行"(指令性,可执行)
- 每条规则必须是写作时能直接遵循的具体指令
- 保存 playbook.md
验证闭环:playbook.md 更新后,下次写作时"Playbook 优先"规则会自动加载新 pattern,初稿会反映用户偏好。