learn

从本次会话中吸取经验。总结做得好的地方和出错的地方，并更新文档，让未来的会话表现更好。同时，直接反馈用户如何更高效地与 Claude 协作。

说明

解析 $ARGUMENTS，提取可选的关注领域（例如 mistakes、efficiency、workflow）。如果为空，则进行全面复盘。

步骤 0：效率审计（Elon 的 5 步框架）

开始前，先按顺序对本次会话中的工作逐项进行审计：

1. 让需求更合理

• 是否把某些假设当成了事实来陈述？是谁说必须这样做？
• 需求是否来自不需要对结果负责的人？
• 指出任何事后看来愚蠢、错误或不必要的需求。

2. 删除环节／流程

• 哪些步骤、输出或产物可以完全删掉而不损失价值？
• 是否产出了不会被使用的内容？是否有流程只是因为“我们一直都这么做”才执行？
• 如果无法说明保留它的理由，就应该删掉。

3. 简化或优化设计

• 删除之后，剩下的内容中还有什么过于复杂？
• 是否有更直接的途径达成同样的结果？哪些额外步骤没有带来价值？

4. 加快周期

• 会话在哪些环节变慢了？是在等待工具结果、反复迭代，还是来回沟通？
• 怎样才能让整个过程快 2 倍？

5. 自动化

• 本次会话中有哪些手动完成的工作应该自动化？（技能、n8n 工作流、记忆更新）
• 只有完成第 1–4 步之后才考虑自动化——不要把愚蠢的流程自动化。

用一张简短、有主见的表格输出结果：

步骤	发现	结论
需求	{哪些需求不合理，哪些必要}	删除 / 保留
删除	{哪些内容原本可以删掉}	下次应删掉
简化	{哪些环节设计过度}	下次简化
加速	{哪些环节变慢了}	改进：{建议}
自动化	{应该自动化什么}	技能 / 子 Agent / n8n / 记忆

步骤 1：会话审计

回顾当前对话，并找出：

做得不好的地方：

• 错误、走入死胡同、重试或浪费的步骤
• Claude 与用户之间的误解（提示不清晰、假设错误）
• 失败或返回意外结果的工具
• 中途放弃的做法

做得好的地方：

• 高效的模式（合理使用并行 Agent、清晰的提示词、明智的顺序安排）
• 节省时间或 token 的决策
• 值得重复使用的工作流

经验教训：

• 关于系统、数据、流程或工具的新事实
• 对先前假设的修正
• 应固化成规范的模式

继续之前，先简要总结以上内容。

第 2 步：文档更新——技能与记忆的判断

对于会话审查中发现的每条见解，请进行分类：

更新 SKILL 的情况：

• 使用某个工作流后产出了错误结果，或增加了额外步骤
• 缺少指令，导致 Claude 在执行技能时偏离方向
• 发现了技能应当处理的新边缘情况
• 调用了某项技能，但其描述与实际情况不符（触发问题）

更新 MEMORY 的情况：

• 了解到有关系统、工具或数据源的新事实
• 确立了适用于多种情况的偏好或惯例
• 纠正了先前的假设（与特定技能无关）

创建新 SKILL 的情况：

• 你手动完成了某项需要 3 步或更多步骤、且以后还会重复的工作
• 你发现自己两次向 Claude 给出了相同的多步骤指令
• 会话中出现了具有明确触发条件和输出的工作流

创建子 Agent 的情况：

• 任务可并行处理——多个独立工作流可以同时运行
• 任务耗时较长，会用中间结果挤满主上下文窗口
• 任务需要跨多个步骤自主使用工具，且中途不需要用户输入
• 工作足够独立，无会话历史的新上下文是优势，而非负担

**技能与子 Agent 的判断规则：**如果工作具有一致的触发条件 + 提示词模板，则使用技能。如果工作需要自主执行 + 工具调用 + 并行处理，则使用子 Agent。许多工作流两者都需要：由技能启动子 Agent。

更新 CLAUDE.md 的情况：

• 发现了新的“始终执行 X”或“绝不执行 Y”规则
• 工作区路由规则发生变化
• 添加了新的 MCP 集成

对于每项拟议的更改，请显示：

更改	目标	类型	原因
{description}	{file path}	技能编辑 / 记忆 / 新技能 / CLAUDE.md	{what happened}

**用户批准前，不要写入任何更改。**请询问：“要我应用全部、部分，还是不应用这些更改？”

第 3 步：向用户提供反馈

直接、具体地说明用户如何更高效地与 Claude 协作。坦诚相告——这是一次辅导，而不是互相恭维。

结构：

## How to Get More Out of Claude

### Token Efficiency
{Were prompts unnecessarily long? Could context have been set once instead of repeated? Were there unnecessary back-and-forth cycles that a clearer initial prompt would have avoided?}

### Prompt Patterns
{What worked: e.g., "When you gave me the exact format you wanted, I nailed it first try."}
{What to try: e.g., "Next time you need X, try prompting with Y — it'll save a round trip."}

### Workflow Suggestions
{Could more work have been parallelized? Were there manual steps that could be skills? Did the user do something Claude should have done, or vice versa?}

### One Thing to Try Next Time
{The single highest-leverage change to how we work together.}

内容要针对本次会话，具体说明实际发生的情况。不要给出泛泛的效率建议。

第 4 步：应用已批准的更改

用户批准（全部、部分或不批准）后：

• 写入已批准的记忆文件
• 编辑已批准的技能文件
• 在获批后更新 CLAUDE.md
• 确认已更新的内容

第 5 步：AI 成长提示

根据会话内容，从以下选项中选择一项——选择更相关的那项：

选项 A——学习提示（适用于会话涉及 AI 工具、模型、工作流或可深入了解的概念时）：

找出本次会话中最相关的 AI 概念，并推荐一篇具体的资料阅读。格式：

## Learn Something

This session touched [concept]. Go deeper:

**Read:** [specific doc, post, or paper — link if you know it, otherwise describe exactly what to search for]
**Why it matters for your work:** [one sentence connecting it to courses, revenue, or automation]
**What to look for:** [the specific thing to extract from the read — a pattern, a technique, a mental model]

请从以下来源中选择：Anthropic 文档（提示词工程、工具使用、Agent）、AI 领域思想领袖（Andrej Karpathy、Simon Willison、Ethan Mollick、Lenny Rachitsky 的 AI 相关内容），或近期 AI 新闻（如果使用了有重要报道的特定模型、工具或能力）。

选项 B——评估问题（适用于会话主要是执行工作——构建、写作、分析时）：

提出一个尖锐的问题，评估这项工作是否真正做对了。可从以下问题中选择，或以此为基础发挥：

## Honest Eval

[One of these, adapted to what actually happened:]

- Was any of this necessary? What would have happened if you hadn't done it?
- What's the single most questionable decision made in this session, and who challenged it?
- If you had to cut 40% of the output and keep only the most valuable, what survives?
- Did you solve the real problem, or the problem as originally stated?
- What assumption drove this session that you never actually validated?

只有当会话确实引入了用户此前未接触过、且可以深入了解的新 AI 概念、能力或工具时，才选择选项 A。如果会话只是以常规方式使用熟悉的 AI 工具——即使主题是“能力”——则默认选择选项 B。如有疑问，选择选项 B。

注意事项

• 在漫长或复杂且进展不顺的会话后，这项技能最有价值
• 文档更新是持久的成果，并会在今后的会话中不断累积
• 在反馈部分要坦诚。用户明确提出了这一要求，不要委婉其辞。
• 如果会话进展顺利且没有值得总结的经验，就如实说明，不要凭空编造反馈
• 未经用户查看并批准，绝不更新文档
• 更新记忆文件时，遵循记忆系统的格式（包含 name、description、type 的 frontmatter）