Experience Manager - 经验管理技能

前置协议

环境检测

PROJECT_ROOT=$(git rev-parse --show-toplevel 2>/dev/null || echo "unknown")
mkdir -p memory/artifacts/experience-manager memory/retrospectives

调用方式

方式1：工件传递（推荐）

检测工件：memory/artifacts/*/experience-*.json

方式2：用户直接调用

使用 /experience-manager 命令

详细说明：参考 detailed-guide.md

Overview

experience-manager 是独立的知识管理技能，负责项目经验知识的沉淀、读取、复盘、反思，实现知识闭环，帮助AI避免重复错误，持续改进。

核心能力：

经验沉淀：任务完成后，四层级同步沉淀
经验读取：任务开始前，智能检索历史经验
经验复盘：里程碑完成时，保留好的，改掉坏的
经验反思：验证有效性，提炼智慧
错误预防：检测风险，提供预防建议
效果追踪：记录应用效果，持续优化

关键价值：

避免重复错误，快速复用成功模式
持续积累知识资产，形成自我进化闭环

核心原则

四层级沉淀机制

层级	文件	维度	优先级	用途
规则层	CLAUDE.md	做什么	最高	项目约定，强约束
策略层	AGENT.md	怎么做	高	AI执行策略，决策规则
知识层	MEMORY.md	学到了什么	中	技术知识，经验总结
历史层	MCP Memory	过去发生了什么	低	完整历史，智能检索

读取优先级：规则层 > 策略层 > 知识层 > 历史层

冲突处理：以高优先级为准。

持续改进原则

好则加冕：成功经验升级为规则/策略
错则改之：失败教训更新知识库
动态更新：过时经验及时标记和更新

核心能力

能力1：经验沉淀（Save）

触发时机：任务完成后，由 goal-oriented 调用

执行步骤：

接收请求工件（experience-save-request.json）
生成回顾报告（memory/retrospectives/{task-id}.md）
四层级同步沉淀（CLAUDE.md、AGENT.md、MEMORY.md、MCP Memory）
创建结果工件（save-result-{timestamp}.json）

示例：

// 输入
{
  "action": "save",
  "task_id": "2026-03-24_task-keywords",
  "lessons_learned": ["经验1", "经验2"],
  "errors_fixed": [{"error": "...", "fix": "..."}]
}

// 输出：四层级同步更新 + 结果工件

能力2：经验读取（Retrieve）

触发时机：任务开始前，由 goal-oriented、pilot 调用

执行步骤：

接收请求工件（experience-request.json）
四层级并行检索（关键词匹配 + 语义检索）
按优先级排序和去重
生成预防清单和推荐模式
创建结果工件（experience-result-{timestamp}.json）

示例：

## 📚 历史经验参考

### ⚠️ 错误预防（来自 CLAUDE.md）
- 预防措施1
- 预防措施2

### 🎯 可复用模式（来自 AGENT.md）
- 代码模式/流程模式

### 📖 技术知识（来自 MEMORY.md）
- 知识点1、知识点2

能力3：经验复盘（Review）

触发时机：里程碑完成时，由 goal-oriented 调用

目的：保留好的，改掉坏的，持续优化

执行步骤：

读取原始回顾文件
分析应用效果（应用次数、成功率）
评估得失（保留好的、改掉坏的）
更新四层级知识库
生成复盘报告

示例：

## 复盘结果

### ✅ 保留好的（好则加冕）
1. **成功经验**
   - 应用效果：5次，成功率100%
   - 决策：写入 CLAUDE.md 强制规则

### ❌ 改掉坏的（错则改之）
1. **失败教训**
   - 问题：文档命名不直观
   - 改进：优化命名规范

能力4：经验反思（Reflect）

触发时机：经验可能过时、技术栈升级、定期反思

目的：验证有效性，提炼智慧

执行步骤：

识别需要反思的经验（过期/低成功率）
深度分析有效性（应用统计、失败案例）
提炼智慧（表层经验 → 深层智慧）
更新四层级知识库（标记旧经验、保存新经验）

示例：

## 经验反思 - 目录检查

### 有效性分析
- 应用次数：8次，成功率：87.5%
- 问题：未考虑版本差异

### 智慧提炼
**表层经验**：测试前检查目录
**深层智慧**：防御性思维 + 版本意识 + 避免过度防御

**更新决策**：区分版本环境，优化检查流程

能力5：错误预防（Prevent）

触发时机：检测到潜在错误风险

执行步骤：

检测风险（配置缺失、API错误使用等）
检索相似历史错误
生成预防建议和检查清单
展示给用户确认

示例：

## 💡 错误预防提醒

检测到风险：国际化配置缺失
预防措施：
- 检查 next.config.js 中的 i18n 配置
- 使用标准配置模板

历史错误：2026-03-20 类似错误

能力6：效果追踪（Track）

触发时机：经验被应用时

执行步骤：

记录应用场景和上下文
评估应用效果（是否预防错误、节省时间）
更新经验统计数据
持续优化知识库

示例：

{
  "experience_id": "2026-03-24_i18n_config",
  "applied_count": 3,
  "error_prevented": 2,
  "time_saved": "50分钟"
}

复盘与反思的区别

维度	复盘（Review）	反思（Reflect）
对象	已完成任务/里程碑	已有经验
时机	完成后一段时间	经验可能过时时
目的	保留好的，改掉坏的	验证有效性，提炼智慧
深度	中等（关注得失）	深度（关注本质）

使用示例

场景1：任务完成后的完整流程

# 1. goal-oriented 创建目标
用户："优化文档结构"

# 2. 自动检索经验
experience-manager → 四层级检索 → 返回预防措施

# 3. 执行任务
应用经验或最佳实践

# 4. 里程碑复盘
experience-manager.review → 保留好的，改掉坏的

# 5. 整体完成
experience-manager.deep-review → 提炼智慧

# 6. 沉淀经验
四层级同步更新

场景2：检索历史经验

# 用户提出任务
用户："修复英文页面404错误"

# goal-oriented 调用
experience-manager.retrieve(
  keywords=["英文页面", "404", "路由"]
)

# 返回结果
- 错误预防：检查 i18n 配置
- 可复用模式：国际化路由配置模板
- 历史案例：2026-03-20 修复详情

常见误区

❌ 只沉淀不读取 → 每次任务开始前必须检索经验
❌ 只沉淀到单一位置 → 四层级同步沉淀，确保知识不丢失
❌ 只沉淀不复盘 → 里程碑和整体完成时必须复盘
❌ 经验过时未反思 → 定期反思，及时更新过时经验
❌ 复盘流于形式 → 深度分析得失，制定可执行改进计划
❌ 忽视智慧提炼 → 从经验中提炼方法论和可迁移模式

工件格式

请求工件：

{
  "requesting_skill": "skill-name",
  "action": "save|retrieve|review|reflect",
  "task_keywords": ["关键词"],
  // 其他参数...
}

结果工件：

{
  "status": "success",
  "timestamp": "2026-03-24T10:00:00Z",
  "layers_updated": ["CLAUDE.md", "AGENT.md", "MEMORY.md", "MCP Memory"],
  // 结果数据...
}

详细格式：参考 templates/ 目录

模板文件

templates/retrospective-template.md - 回顾报告模板
templates/experience-request-template.json - 检索请求模板
templates/experience-retrieve-template.json - 检索结果模板
templates/review-request-template.json - 复盘请求模板
templates/reflection-request-template.json - 反思请求模板

参考资料

核心概念：

方法论：

详细指南：参考 detailed-guide.md 获取完整的执行步骤、示例和最佳实践。

技能协作

被调用入口：

✅ goal-oriented - 创建目标时检索、里程碑/整体完成时复盘反思、完成后沉淀
✅ pilot - 调度前检索、检测风险时预防
✅ 其他技能 - 按需调用

调用方式：工件传递（推荐）或用户直接调用