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:

  1. 读内容文件,理解文章核心观点
  2. 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
  3. 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:

  1. 用 skill_view 扫描所有可用 skill,找到最相关的
  2. skill_manage(action='patch') 把参考知识作为新章节加入目标 skill 的 SKILL.md
  3. 如果涉及跨 skill 的通用洞察 → memory(action='add') 写入
  4. 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