mcpField
C
context-retrospective

context-retrospective

github.com/jwyniaAgent 工作流179450 次安装35 周前更新
代码仓库

关于 context-retrospective

用于复盘 Agent 与用户的交互记录,找出上下文网络中的信息、关系和导航缺口,并提出上下文结构及指导规则的改进建议。适合维护上下文网络和 Agent 指令的团队。

主要功能

  1. 01识别知识缺口与未记录关系
  2. 02检查上下文边界违规
  3. 03分析信息导航与发现路径
  4. 04评估任务与上下文的匹配度
  5. 05审查指导规则及其效果
  6. 06按优先级整理改进建议

适用场景

  1. 01复盘任务受阻或低效的交互
  2. 02发现反复查找的信息并改善链接
  3. 03纠正上下文与项目文件的放置混淆
  4. 04根据复盘结果更新 Agent 指令

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/jwynia/agent-skills --skill context-retrospective

安装后在 Claude Code 中输入/context-retrospective确认已加载。

详细介绍

上下文网络回顾

目的

分析 Agent 与用户的交互记录,找出上下文网络维护需求和指导改进点。提取可操作的见解,以完善网络结构和 Agent 指令。

核心原则

从每次交互中学习。 每份交互记录都揭示了上下文缺口、导航问题和指导问题,这些问题都可以通过系统化的方式解决。


分析维度

1. 知识缺口识别

关注:

  • Agent 无法根据现有上下文回答的问题
  • 任务期间发现、但应预先记录的信息
  • 对同一信息的重复查找
  • Agent 对结构、关系和依赖项感到困惑

问题:

  • 缺少哪些基础知识?
  • 哪些关系没有记录?
  • 缺少哪些有关历史、决策或约束的上下文?
  • 哪些领域边界不明确?

输出: 缺失的信息节点和关系缺口


2. 上下文边界违规

关注:

  • 在上下文网络之外创建的规划文档
  • 放置在上下文区域内的实现文件
  • Agent 不确定信息应放在哪里
  • 单份文档中混杂了不同关注点

问题:

  • Agent 是否区分了上下文与项目产物?
  • 是否遵守了“规划内容保留在上下文网络中”的规则?
  • 哪些指导可以避免今后的困惑?

输出: 边界违规情况和所需的指导改进


3. 导航和发现模式

关注:

  • Agent 如何找到(或未能找到)信息
  • 信息访问顺序
  • 死路或低效路径
  • 本应建立关联的信息

问题:

  • Agent 遵循了哪些导航路径?
  • 哪些信息应更容易被发现?
  • 缺少哪些逻辑关联?
  • 哪些中心文档可以提高效率?

输出: 导航改进和缺失的关联


4. 任务与上下文的契合度

关注:

  • 任务需求与可用上下文之间的不匹配
  • 信息处于错误的抽象层级
  • 上下文过于详细或过于概括
  • 揭示组织薄弱环节的任务模式

问题:

  • 信息的抽象层级是否适合该任务?
  • 上下文是否支持决策需求?
  • 组织方式是否造成认知负担?
  • 哪些重组方式有助于支持此类任务?

输出: 抽象层级调整和重组需求


5. 关系映射缺陷

关注:

  • Agent 难以理解依赖项
  • 缺少变更如何影响其他领域的上下文
  • 缺少清晰的接口定义
  • 未明确记录、但实际存在的关系

问题:

  • 哪些关系只是隐含存在,却没有记录?
  • 任务期间发现了哪些依赖项?
  • 哪些影响关系不明确?
  • 哪些地方需要明确的文档说明?

输出: 缺失的关系和文档需求


6. 指导的有效性

关注:

  • 表明指导不明确的 Agent 行为
  • 偏离最佳模式的任务处理方式
  • 模式切换决策及其适当性
  • 相对于限制条件的工具使用情况

问题:

  • Agent 是否遵循了适合当前模式的处理方式?
  • 模式转换是否有效?
  • 缺少或不明确的指导有哪些?
  • 限制条件是否有助于实现预期目的?

输出: 指导内容优化和规则澄清


回顾流程

阶段 1:准备
  1. 收集上下文

    • 加载当前上下文网络状态
    • 确定所用的 Agent 模式
    • 记录任务类型和复杂程度
    • 检查适用规则
  2. 建立基线

    • 绘制任务开始时可用的上下文
    • 确定当前生效的指导
    • 记录网络近期变更
    • 记录预期行为与实际行为
阶段 2:对话记录审查
  1. 按时间顺序分析

    • 跟踪信息查找模式
    • 记录上下文影响选择的决策点
    • 找出遇到困难的环节
    • 绘制实际导航路径
  2. 关键事件

    • 标记困惑或低效之处
    • 找出越界情况
    • 记录信息被“重新发现”的情况
    • 标记更完善的上下文原本可以提供帮助的地方
  3. 模式识别

    • 反复出现的信息需求
    • 知识领域中的系统性缺口
    • 一贯存在的导航困难
    • 成功利用上下文的情况
阶段 3:差距分析
  1. 信息架构

    • 梳理知识覆盖缺口
    • 评估抽象层级是否恰当
    • 评估关系是否完整
    • 审视导航效果
  2. 指导系统

    • 分析特定模式的指导内容
    • 审视边界规则是否清晰
    • 评估指令是否完整
    • 评估是否需要覆盖提示词
  3. 优先级排序

    • 关键: 导致任务失败或效率严重低下
    • 高: 需要实时查找信息
    • 中: 有助于提高效率
    • 低: 可有可无的改进

分析模板

知识缺口
## Gap: [Name]

**Discovery Context:** [When/how revealed]
**Task Impact:** [How it affected completion]
**Information Type:** [Domain/Process/Relationship/Decision criteria]
**Recommended Action:** [Specific node or relationship to add]
**Priority:** [Critical/High/Medium/Low]
**Related Gaps:** [Connected gaps]
导航问题
## Issue: [Name]

**Problem Pattern:** [What difficulty occurred]
**Information Sought:** [What agent wanted]
**Current Path:** [How agent actually found it]
**Optimal Path:** [How it should be discoverable]
**Recommended Improvement:** [Specific changes]
**Affected Tasks:** [What else would benefit]
指导评估
## Guidance: [Mode/Rule Area]

**Expected Behavior:** [What guidance should produce]
**Actual Behavior:** [What agent did]
**Deviation Analysis:** [Why different]
**Guidance Clarity:** [Current clarity level]
**Recommended Changes:** [Specific modifications]
**Test Scenarios:** [How to validate]

质量指标

完整性
  • 信息覆盖率: 可根据上下文回答的问题所占百分比
  • 关系完整性: 已记录的关系与实际发现的关系之比
  • 导航效率: 实际步骤与最优路径的对比
  • 边界合规率: 内容归入正确领域的百分比
有效性
  • 任务完成质量: 借助现有上下文成功完成任务的比率
  • Agent 信心: 表达不确定性的频率
  • 上下文利用率: 实际使用的相关上下文所占百分比
  • 发现与查找: 新发现与已有信息的使用情况
演进情况
  • 上下文网络增长: 新节点/关系的增长率
  • 指导内容完善: 规则更新频率
  • 模式识别: 反复出现的改进主题
  • 系统成熟度: 结构变更逐渐减少的程度

常见模式与解决方案

模式解决方案
反复查找相同信息创建中心文档,改进链接
不清楚文件应放置的位置通过示例完善边界指导
任务上下文分散创建任务专属入口
未查阅上下文便做出决策加强“行动前先查阅”的指导
信息的抽象层级不恰当创建分层节点,逐步展开信息

实施优先级

阶段 1:关键基础设施

  • 修复越界问题
  • 补充缺失的基础知识
  • 修复失效的关系

阶段 2:改进导航

  • 提高可发现性
  • 创建中心文档
  • 加强跨领域关联

阶段 3:完善指导

  • 更新特定模式的指令
  • 澄清含糊的规则
  • 完善常见任务的提示词

阶段 4:优化

  • 微调抽象层级
  • 针对已发现的工作流进行优化
  • 完善元数据系统

反模式

1. 相互指责

模式: 将交互失败归因于 Agent 能力,而非上下文缺口。例如:“Agent 本该知道……” 为何无效: Agent 根据上下文行事。上下文不完整时,即使能力出众的 Agent 也会失败。归咎于 Agent 会阻碍系统性改进。 解决方法: 首先假设存在上下文缺口。先问“哪些信息可以避免这种情况?”,再问“Agent 为什么没能自己弄清楚?”

2. 完整性错觉

模式: 相信上下文网络可以涵盖一切。不断添加更多信息,希望避免所有失败。 为何失效: 上下文网络会无限增长。导航变得不可能。信噪比下降。维护变得难以为继。 解决方法: 聚焦影响重大的缺口。优先处理实际导致失败的问题。添加新信息时,也要积极移除过时信息。

3. 表面修补

模式: 只修复具体问题,不找出背后的模式。补充缺失的信息,却不追问它为何缺失。 为何失效: 只治标,不治本。同类缺口会在其他地方出现。维护变成打地鼠。 解决方法: 按类型对缺口进行分类。如果缺口是“缺少关系文档”,解决方法应是改进关系信息的收集,而不是只添加一条关系。

4. 只做复盘

模式: 进行复盘,却从不落实改进。陷入分析瘫痪或逃避行动。 为何失效: 有洞察却不行动,就不会有任何改进。只积累分析而不落实,会浪费分析精力。 解决方法: 每次复盘至少要产出一项可执行的改进。在复盘结束前安排好实施时间。

5. 指导过度

模式: 每次失败后都增加更多规则和限制。上下文网络变成了约束清单。 为何失效: 过多指导会导致行动瘫痪。Agent 会害怕采取行动。指导内容之间会产生冲突。没人会阅读这些规则。 解决方法: 添加指导内容前,先考虑是否可以删减。先简化,再复杂化。检验更清晰的边界是否比更多规则更有效。

集成点

输入:

  • 每次重要的 Agent 交互之后
  • 任务失败或效率低下之后
  • 维护上下文网络期间

输出:

  • 更新上下文网络
  • 改进指导/指令

互补项:

  • 上下文网络框架
  • Agent 模式配置

评论

支持 Markdown