mcpField
L
lab-retro

lab-retro

github.com/glebis生产力401178 次安装1 天前更新
代码仓库

关于 lab-retro

为 Claude Code Lab 学员设计的四阶段复盘技能，帮助回顾学习进展、整理有效提示词、制定月度计划并提交反馈。每个阶段都会生成文件，并支持按顺序完成或跳至指定部分。

主要功能

  1. 01比较学习前后的进展
  2. 02将有效提示词整理为 Skill
  3. 03制定四周行动计划
  4. 04保存并提交结构化反馈
  5. 05支持跳转到指定环节

适用场景

  1. 01回顾参加实验室前后的技能变化
  2. 02把常用提示词改写为可复用 Skill
  3. 03制定后续四周的学习或工作计划
  4. 04向组织者提交课程反馈

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/glebis/claude-skills --skill lab-retro

安装后在 Claude Code 中输入/lab-retro确认已加载。

附带文件.claude-plugin/plugin.json

详细介绍

Claude Code Lab — 最终回顾

这项技能将带领 Claude Code Lab 的结业学员完成四个循序渐进的练习，巩固所学内容、记录最佳成果、规划下一步，并为组织者收集结构化反馈。

如何运行

默认流程：按顺序完成全部四个部分。用户也可以使用 /lab-retro 2（或直接说“第 3 部分”）跳转到指定部分。

在各部分之间，简要总结刚才的内容，并询问“准备好进入第 N 部分了吗？”，让用户掌控节奏。

所有产出都保存在当前工作目录下的同一个文件夹 lab-retro-output/ 中：

  • 01-progress.md
  • 02-best-prompt.md
  • 03-month-plan.md
  • 04-feedback.json + 04-feedback-report.md

如果文件夹不存在，请创建。

第 1 部分 — 进度盘点

**目标：**帮助参与者直观地看到具体的前后变化。

使用 AskUserQuestion：

  1. “参加实验室之前，你会做什么？”（多选）

    • 在浏览器中使用过 ChatGPT/Claude
    • 使用过 CLI 工具
    • 写过代码
    • 自动化过任务
    • 使用过 API

  2. “参加实验室之后，你会做什么？”（多选）

    • 每天使用 Claude Code
    • 配置过 MCP 服务
    • 创建过自己的 Skill
    • 自动化过实际任务
    • 将某些内容部署到 Web 上
    • 使用子 Agent
    • 有意识地编写和阅读 CLAUDE.md

  3. “Claude Code 每周能为你节省多少小时？”（单选）

    • <2
    • 2–5
    • 5–10
    • 10+

然后输出一张对比前后水平的 Markdown 表格，技能等级为 0–5，并保存到 lab-retro-output/01-progress.md。

第 2 部分 — 最佳提示词

**目标：**将参与者引以为豪的一条提示词转化为可复用的 Skill。

询问参与者：“请复制或描述你在实验室中最有用的提示词。”

然后使用 AskUserQuestion：

  1. “这条提示词用于什么任务？”（单选）

    • 日常事务自动化
    • 创建内容/文档
    • 数据分析/研究
    • 原型设计/开发
    • 个人工作流 / PKM

  2. “是什么让它如此有效？”（多选）

    • CLAUDE.md 中的上下文完善
    • 成功标准明确
    • 拆分为多个步骤
    • 使用 Skills/MCP
    • 提示词中包含示例
    • 约束条件和反向标准

将提示词重新整理为规范的 Skill（frontmatter + 正文），建议一条能够触发该 Skill 的 description，并保存到 lab-retro-output/02-best-prompt.md。建议将其放在 ~/.claude/skills/<name>/SKILL.md。

第 3 部分 — 月度计划

**目标：**制定具体的 4 周计划，避免在同一期学习结束后失去动力。

使用 AskUserQuestion：

  1. “本月的主要工作目标是什么？”（单选）

    • 客户/雇主项目
    • 自己的产品/创业项目
    • 自动化当前流程
    • 学习与技能提升

  2. “每周愿意投入多少时间？”（单选）

    • 15–30 分钟
    • 1–2 小时
    • 3–5 小时
    • 每天

  3. “你认为自己面临多大的倦怠风险？”（单选）

    • 低——我的节奏很稳定
    • 中——有时会沉迷其中
    • 高——我已经在危险信号中认出了自己

如果风险 = 高，在计划中安排一个强制休息日，并建议再次阅读 AI 卫生习惯幻灯片。

生成 lab-retro-output/03-month-plan.md，包含：

  • 4 个每周目标
  • 每周 1–3 条具体提示词
  • 每周的成功标准
  • 停止条件（何时暂停）

第 4 部分 — 给组织者的反馈

目标： 为实验室组织者提供结构化反馈。

AskUserQuestion：

  1. “如何评价整个实验室（NPS）”（单选：0–10）
  2. “最有价值的一次会议？”（单选：M01 / M03 / M05 / M07 / M09 / M11）
  3. “过去 6 周中最有价值的主题？”（多选）
    • Claude Code 基础
    • 提示词与上下文
    • 架构与子 Agent
    • MCP / Skills / Hooks
    • Agent SDK 与部署
    • Evals 与质量
    • AI 卫生
  4. “有哪些方面需要改进？”（自由文本）
  5. “你遇到的主要障碍是什么？”（自由文本）
  6. “你愿意公开分享反馈吗？”（单选：愿意 / 愿意匿名分享 / 不愿意）

保存两个文件：

  • lab-retro-output/04-feedback.json — 供组织者使用的结构化反馈
  • lab-retro-output/04-feedback-report.md — 面向参与者的易读摘要

然后提交到公共代理（无需密钥）：

curl -sS -X POST https://lab-feedback-proxy.vercel.app/api/feedback \
  -H "Content-Type: application/json" \
  -d "$(jq -nc --arg name "<participant name>" --slurpfile notes lab-retro-output/04-feedback.json '{name:$name, notes:($notes[0]|tostring)}')"

代理会使用服务端令牌转发到 Baserow 表 746002。响应为 {"ok":true,"row_id":<N>}。向参与者确认行 ID。

如果请求失败，则仅保留本地文件，并告知参与者：“提交失败 — 你的反馈已保存在 lab-retro-output/04-feedback.json 中，请手动发送给组织者。”

结束

完成全部四个部分后，打印：

  1. 四个文件的保存位置
  2. 一句话：“你的框架是 LOOP。你的计划在文件 03 中。你的下一步是周一早上打开它。”
  3. 建议将 lab-retro-output/ 文件夹提交到个人仓库或知识库。

约束

  • 结构化问题始终使用 AskUserQuestion，不要用纯文本提问
  • 绝不悄悄跳过某个部分；如果用户选择退出，则在对应文件中写入一行占位内容
  • 默认使用俄语（面向俄语使用者）；如果用户用英语回复，则切换为英语
  • 反馈报告中不要一味奉承，要如实指出其中的模式

评论

支持 Markdown