--- 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 ```python 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 ```python 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 ```python 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