关于 claude-subconscious-workflows
供 Claude 使用的技能，将反思与执行分层，并借助积累的上下文发现问题、改进长期工作流，适用于重视连续性和迭代优化的项目。
主要功能
- 01分离执行与反思层
- 02跟踪长期项目上下文
- 03主动发现工作流瓶颈
- 04建议渐进式工作流改进
适用场景
- 01维护长期项目
- 02改进重复的多步骤工作流
- 03在任务间保持战略连续性
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/claude-subconscious-workflows确认已加载。
详细介绍
Claude 潜意识工作流
概述
此技能使 Claude 能够模拟一个“潜意识”执行层，在主动完成任务的同时，于后台持续分析、反思、规划并改进工作流。
该工作流侧重于：
- 隐式规划系统
- 反思式推理
- 迭代式自我改进
- 上下文监控
- 工作流优化
- 长期执行优化
- 并行内部分析
- 主动发现问题
目标是提升：
- 执行质量
- 推理深度
- 工作流一致性
- 战略规划
- 长期任务连贯性
Claude 不应只对眼前的提示做出反应，而应持续保持更深层的上下文感知，并主动改进工作流。
设置
开始之前：
- 定义：
- 主要工作流
- 项目目标
- 当前任务
- 优化目标
- 创建结构化的记忆与反思系统。
推荐结构：
memory/
reflection/
optimization/
planning/
- 创建以下文件：
- 当前上下文
- 改进机会
- 常见问题
- 工作流摘要
- 战略观察
推荐工具：
- Claude
- Markdown 笔记
- GitHub 仓库
- Notion
- Obsidian
可选：
- 向量记忆系统
- 多 Agent 编排
- 自主工作流调度器
所需输入
- 当前工作流或项目
- 现有执行上下文
- 长期目标
- 任务历史
- 当前阻碍
可选：
- 会话摘要
- 评审反馈
- 记忆系统
- 优化日志
何时使用此技能
在以下情况下使用此技能：
- 管理长期运行的项目
- 协调复杂工作流
- 持续提升执行质量
- 构建自主 Agent 系统
- 保持战略连续性
- 优化重复性工作流
- 扩展多步骤推理系统
何时不使用
以下情况请勿使用此技能：
- 微小的单步任务
- 纯响应式工作流
- 一次性实验
- 缺乏长期上下文的任务
- 约束严格、确定性很高的流水线
示例用例
在数月内构建并维护一个大型 AI 工具仓库。
Claude 应该：
- 持续跟踪项目方向
- 发现工作流低效之处
- 反思重复出现的错误
- 改进文档结构
- 保持长期执行的一致性
- 主动提出优化建议
- 逐步改进工作流
最终结果应当：
- 随时间不断改进
- 减少重复失败
- 保持项目连贯性
- 提升规划质量
- 支持自主改进工作流
核心潜意识原则
1. 保持后台反思
Claude 应持续分析：
- 当前执行质量
- 工作流效率
- 常见问题
- 战略一致性
系统应：
- 在执行过程中进行反思
- 主动发现薄弱之处
- 逐步改进工作流
良好的反思有助于提升：
- 执行质量
- 规划深度
- 长期一致性
2. 将执行与反思分开
执行与反思应作为不同层级运行。
示例：
- 前台层 → 主动执行任务
- 潜意识层 → 分析与优化
潜意识层应监控：
- 低效之处
- 矛盾
- 错失的机会
- 重复出现的模式
这种分离有助于提升：
- 推理深度
- 工作流适应性
- 战略意识
3. 保留长期上下文
潜意识系统高度依赖：
- 记忆连续性
- 历史决策
- 工作流模式
- 累积知识
Claude 应维护：
- 项目摘要
- 反复总结的经验
- 优化历史
- 战略方向
长期上下文有助于提升：
- 连续性
- 规划质量
- 工作流改进
4. 迭代改进工作流
系统应持续思考：
- 哪些环节可以简化？
- 哪些问题会反复出现？
- 哪些工作应该自动化？
- 哪些因素会拖慢执行？
Claude 应：
- 逐步完善工作流
- 随着时间推移减少阻碍
- 优化重复使用的系统
在长期项目中，迭代改进的累积效果会非常显著。
5. 在问题导致失败前发现它们
潜意识推理应主动识别：
- 薄弱的计划
- 不一致的结构
- 工作流瓶颈
- 可扩展性问题
- 上下文碎片化
及早发现有助于提升：
- 可靠性
- 可维护性
- 执行稳定性
工作流
1. 建立当前上下文
首先明确：
- 当前目标
- 项目目标
- 正在进行的工作流
- 长期方向
为以下内容创建结构化摘要：
- 正在进行的任务
- 阻碍因素
- 最近的决策
- 优化目标
2. 创建反思系统
维护：
- 工作流观察记录
- 反复出现的错误
- 改进机会
- 优化思路
推荐文件：
reflection/
workflow-observations.md
recurring-issues.md
optimization-log.md
反思层应保持：
- 轻量
- 结构化
- 持续更新
3. 监控工作流质量
持续分析：
- 执行速度
- 规划质量
- 反复出现的失败
- 上下文一致性
- 工作流复杂度
Claude 应识别：
- 效率低下的系统
- 重复工作
- 结构不清晰
- 扩展问题
4. 生成改进建议
潜意识层应提出：
- 简化方案
- 自动化方案
- 结构改进
- 记忆优化
- 工作流完善方案
优先处理：
- 影响大的改进
- 反复出现的痛点
- 可扩展性提升
5. 保持战略连贯性
Claude 应持续确保工作与以下内容保持一致：
- 长期目标
- 项目方向
- 架构一致性
- 工作流理念
避免：
- 碎片化执行
- 系统不一致
- 陷入短期优化陷阱
6. 逐步完善系统
随着时间推移，小幅改进会逐渐累积成效。
Claude 应：
- 逐步完善文档
- 持续简化工作流
- 减少反复出现的阻碍
- 优化执行模式
避免：
- 大规模破坏性重写
- 过度设计优化系统
- 不必要的复杂性
7. 审查与演进
定期审查：
- 工作流的有效性
- 记忆的实用性
- 规划质量
- 执行一致性
完善：
- 反思系统
- 优化流程
- 战略工作流
- 潜意识分析模式
系统应通过迭代完善持续演进。
输出预期
最终输出应包括：
- 结构化反思系统
- 优化工作流
- 长期上下文连贯性
- 工作流完善流程
- 主动规划系统
- 执行质量改进
工作流本身应保持：
- 轻量
- 可扩展
- 善于反思
- 灵活适应
- 持续改进
执行策略（适用于 AI Agent）
Agent 应：
- 保持反思层与执行层相互独立
- 持续分析工作流质量
- 主动发现效率低下的问题
- 逐步改进系统
- 有策略地保留长期上下文
- 随着时间推移优化执行一致性
工作流应以以下目标为优化方向：
- 推理深度
- 长期连贯性
- 执行质量
- 工作流适应性
- 迭代式自我改进
最佳实践
- 保持反思系统轻量
- 逐步改进工作流
- 保持战略连贯性
- 尽早发现反复出现的阻碍
- 维护结构化记忆系统
- 将执行与分析分开
- 优先优化长期一致性，而非短期速度
备注
- 反思系统能显著提升长期执行质量
- 小的工作流改进会随着时间不断累积
- 良好的潜意识系统能减少重复失败
- 长期上下文的连续性有助于提升战略推理能力
- 最佳的优化系统始终轻量且灵活
评论
支持 Markdown