SKILL.md
6.59 KB
name: extract-learning-outline description: 吸收知识前的完整准备流程:预判对比 → 制定 Planning → 提取大纲 → 执行吸收 → 验证反思。触发词:吸收大纲、learning outline、absorb plan。 version: 2.0
category: wechat
知识吸收 Loop
从文章内容到 Hermes 能力进化的完整闭环。不是简单提取大纲,而是先对比现有状态、制定计划、再执行、最后验证。
流程总览
文章内容 → Step 1: 预判与对比 → Step 2: 制定 Planning
→ Step 3: 执行吸收 → Step 4: 验证与反思
→ Step 5: 吸收验证(确定性,由 _verify_and_apply 执行)
→ Step 6: 知识应用审计(Hermes 子进程,由 _run_apply 执行)
Step 5+6 由 learn-and-build 管线的 _on_absorb_done 回调自动触发,本 skill 只需在 Step 4 报告中标注产出路径(skill 名/memory 键),供 Step 5 验证使用。
Step 1: 预判与对比
目的:判断这篇文章对 Hermes 有什么可吸收的,避免盲目吸收。
必须执行的操作:
- 读内容文件,理解文章核心观点
- 扫描 Hermes 现有状态:
skill_view(name)查看相关 skill 的当前内容memory工具查看相关记忆search_files搜索相关代码/配置- 如果涉及已有 skill,读它的 SKILL.md
- 对比分析:
- 文章提供的东西,Hermes 已经知道多少?
- 哪些是新知识?
- 关键:区分三个层级:
- ❌ 文档级覆盖:SKILL.md 有描述但代码无实现 → 不算覆盖,应吸收
- ⚠️ 部分实现:有雏形但不完整 → 应 patch 补充
- ✅ 完整实现:代码有对应模块且正常工作 → 真覆盖
- 哪些与现有知识冲突,需要更新?
- 哪些可以整合到现有 skill 中?
输出:对比报告(文字),包含:
- 已有知识覆盖度
- 新知识点列表
- 冲突点(如有)
- 建议吸收方式
Step 2: 制定 Planning
目的:基于对比结果,制定一份可执行的吸收计划。
Planning 必须包含:
# 吸收计划
## (a) 吸收目标
- 吸收什么:[一句话]
- 达到什么效果:[Hermes 之后能做什么/知道什么]
- 吸收方式:skill 创建 / skill 更新 / memory 写入 / reference 文档
## (b) 测试用例
- TC1: [场景描述] → 预期 [Hermes 应该做出什么反应]
- TC2: [场景描述] → 预期 [Hermes 应该做出什么反应]
## (c) 关键要点
- 数据/API:[需要记住的具体接口、参数、返回值]
- 方法/模式:[需要学习的设计模式、工作流、最佳实践]
- 结论/洞察:[文章的核心结论,需要内化的认知]
## (d) 引用路径
- 代码:[/path/to/file.py]
- Skill:[skill-name]
- Memory:[memory-key]
- 外部:[GitHub URL / 论文 DOI]
Step 3: 执行吸收
目的:按照 Planning 执行实际的工具调用。
根据吸收方式执行:
Skill 创建
skill_manage(action='create', name='new-skill', content='完整的 SKILL.md')
SKILL.md 必须包含:
- YAML frontmatter(name, description, version, category)
- 触发条件(什么时候用这个 skill)
- 使用步骤(编号,每步可执行)
- 核心用法(最小可跑示例)
- 坑和注意事项
- 验证方法
Skill 更新
skill_manage(action='patch', name='existing-skill', old_string='...', new_string='...')
只改需要改的部分,不重写整个 skill。
Memory 写入
memory(action='add', target='memory', content='浓缩的关键事实,2-3 句话')
Reference 内化
不是写孤立 MD 文件。必须:
- 用
skill_view扫描所有可用 skill,找到最相关的 skill_manage(action='patch')把参考知识作为新章节加入目标 skill 的 SKILL.md- 如果涉及跨 skill 的通用洞察 →
memory(action='add')写入 - 如果完全无法匹配任何 skill 或 memory → 标记为 rejected(不吸收)
Step 4: 验证与反思
目的:确认吸收真的生效了,不是纸面完成。报告必须结构化,让前端和学习结果页能清晰展示。
验证:
- Skill 创建后:
skill_view(name)确认格式正确、内容完整 - Memory 写入后:确认记忆已存储
- 如果吸收的是工具/代码:实际跑一遍验证
反思报告(写入 result 文件,严格按此格式):
# 学习完成报告
## 学习内容
- 标题: [文章标题]
- 来源: [URL 或文件路径]
- 类型: skill | memory | reference
- 日期: YYYY-MM-DD
## 吸收产出
### 创建/更新 Skill
- **[skill-name]**: create/patch +N行 | 新增「章节名」章节
### 写入 Memory
- "关键认知一句话" → memory.json
### 代码变更
- [path/to/file.py]: +N行 -M行 | 修改了什么
(如无则写「无」)
### 安装/集成
- pip install xxx → 成功/失败
(如无则写「无」)
## 验证结果
- TC1: [PASS/FAIL] — [场景描述 → 验证了什么]
- TC2: [PASS/FAIL] — [场景描述 → 验证了什么]
## 行为变化
- 下次遇到 [X 场景] → Hermes 会 [Y 不同反应]
## 未完成/待跟进
- [有什么是计划了但没做的,为什么]
(如无则写「无」)
严格要求:
- 每个字段必须填写,不能留空
- 吸收产出 中的具体条目必须有可验证的路径(skill 名/memory 键/文件路径)
- 行为变化 必须具体到场景,不能用「提升了能力」这种空话
- 前端依赖这些结构化字段渲染卡片,格式错误会导致页面展示异常
实战案例
微信自动回复任务执行(2026-07-14)
四步 Loop 在自动回复中验证有效:Plan(分析+列步骤) → Execute(调工具) → Verify(检查) → Report(写文件)。 教训:prompt 必须强调"先执行再报告",否则 hermes 会跳过了 Execute 直接写 Report。见 reply-task-executor skill。
原则
- 先对比再吸收:不盲目创建 skill,先看是否已有覆盖
- Planning 要落盘:吸收计划写入文件,不是脑子里想
- 工具调用必须实际执行:skill_manage/memory/search_files 必须真正调用
- 验证不是走过场:实际跑 skill_view 确认,实际跑测试确认
- 反思要诚实:没做到的就说没做到,不要伪装完成
- 报告要结构化:用户明确要求学习报告必须直观展示「吸收到哪个skill」「写了哪些memory」「改了什么代码」,不能只是自由格式 Markdown。前端依赖结构化字段渲染卡片
- cleanup 顺序:
_on_absorb_done中 Step 5+6 触发必须在临时文件清理之前,否则验证被静默跳过