mcpField
C
capture-learning

capture-learning

github.com/robsonrung开发249 次安装1 天前更新
代码仓库

关于 capture-learning

capture-learning 用于将已解决且经过验证的非显而易见问题整理成可复用的解决方案文档,面向之后遇到相同问题的工程师。它要求行为结论有源代码依据,并验证文档格式与声明。

主要功能

  1. 01每次记录一个已验证问题
  2. 02依据源码标注行为结论
  3. 03检查并更新匹配的已有文档
  4. 04按需补充已有概念词条
  5. 05运行文档格式与声明校验

适用场景

  1. 01记录已解决的非显而易见问题
  2. 02更新与现有问题相符的方案文档
  3. 03校验技术文档中的依据与声明

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/robsonrung/rar-skills --skill capture-learning

安装后在 Claude Code 中输入/capture-learning确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
concepts-vocabulary.md
grounding-validation.md
resolution-template.md
schema.yaml
yaml-schema.md
scripts/
validate-doc-claims.py
validate-frontmatter.py

详细介绍

捕获经验

选择模型前先选择分支。常规经验捕获工作在当前角色中进行。派遣独立审核者之前,请使用 shared/references/model-preview.md 并绑定其唯一获批的路由快照。

创建一份有来源依据的解决方案文档,供后续工程师查找和使用。下一个使用者是遇到同一问题的人。完成意味着文档已写好并经过验证,且没有将未经验证的说法陈述为事实。

范围

每次运行只捕获一条经验。它必须描述一个已解决、已验证且不显而易见的问题。如果证据达不到这一标准,就不要写一份质量欠佳的文档。在 mode:headless 下,返回 Documentation skipped 并说明原因。在交互式运行中,仅当已解决的问题本身不明确时才提问。

此技能只编写解决方案文档。当现有 CONCEPTS.md 中有符合条件的缺失术语时,也更新该条目。不要创建词汇表、编辑项目说明、搜索无关记忆,也不要把本次运行变成文档审计。

工作流

  1. 阅读相关对话证据、已更改的源代码、验证结果和附近的解决方案文档。源代码和已捕获的命令结果优先于会话回忆。
  2. 阅读 references/schema.yaml 和 references/yaml-schema.md,对这条经验分类并选择其存放位置。阅读 references/resolution-template.md,了解正文的必需结构。
  3. 检查是否已有关于同一问题的文档。如果问题、原因和解决方案实质相同,则更新该文档;否则新建一份文档。更新时保持路径稳定。
  4. 为每项行为声明提供当前源代码中的 file:line 引用。只有在合并状态已验证时,才描述该状态。对无法验证的声明注明来源或将其删除。
  5. 仅当现有词汇表可能需要补充符合条件的术语时,才阅读 references/concepts-vocabulary.md。词汇表的修改应限定在该经验所属领域内。
  6. 从此技能目录运行 scripts/validate-frontmatter.py 和 scripts/validate-doc-claims.py。阅读 references/grounding-validation.md,以判断标记项。修复、注明或确认每个标记项;绝不要默默忽略。如果验证器无法运行,则执行其文档中说明的手动检查,并报告这一替代方案。

无头模式

mode:headless 表示不提问,也不进行可选扩展。仅当调用方提供了已验证的修复方案和足够上下文,足以确定一条经验时才使用。结尾必须是以下某一条确切的终止行:

Documentation complete
Documentation skipped

输出

报告运行模式、已创建或更新的路径、分类、验证结果、词汇表处理结果,以及任何有依据的限制。开头先说明结果。若无头模式下未编写文档,报告还必须说明跳过原因。

验收标准很简单:后续读者能够识别问题、判断解决方案何时适用、遵循已验证的解决步骤,并区分证据与历史记录。

评论

支持 Markdown