通用 AI Agent 复盘系统

Claude Code Retrospective System — After-Action Review for AI Agents

在一个对话中完成重要任务后，输入 /复盘，榨干整个对话的价值——把经验教训、决策、错误、好做法、可复用模式全部挖出来，沉淀为知识资产。

关键词: Claude Code Skill, Agent Retrospective, After-Action Review, Knowledge Management, 复盘, 知识沉淀, AI Agent 反思框架

快速开始

1. 将 .claude/commands/复盘.md 复制到 ~/.claude/commands/
2. 将 .claude/skills/retro-*/ 复制到 ~/.claude/skills/
3. 在 Claude Code 中输入 /复盘

架构

/复盘（轻薄命令入口）
    │
    ├─ 扫描对话 → 识别"值得注意的时刻"（错误/意外/决策/发现/恢复/效率）
    ├─ 判断领域 → 7 个领域（experiment/data/coding/research/debugging/design/其它）
    ├─ 每个领域 → 加载 retro-<domain> skill → 深度追问
    │   ├─ 有 skill → 按评估维度+反模式+正向模式+追问 深度分析
    │   └─ 没有 → 搜索行内经验 → 结构化 → 审查 → 确认 → 保存 → 复盘
    ├─ 对照已有知识 → 7 种关系判定（验证/补充/修正/升级/合并/矛盾/新建）
    ├─ 沉淀输出 → Rule/Lesson/Insight/Pattern/Action 按类型路由
    └─ 闭环验证 → 追踪产出是否被后续 Agent 使用

核心设计原则

• 质量优先：skill 一次打磨，反复受益。复利。
• 平衡锚定：同等重视问题识别和正向模式固化。
• 行内经验优先：不从对话临时归纳，学习行内人踩过的坑。
• 入库 + 盘点并重：不只写新文件，更维护存量知识。
• 闭环验证：不止产出，更要追踪是否被使用。
• 渐进增长：领域 skill 随使用积累，反模式和正向模式表随复盘自填充。

文件结构

.claude/
├── commands/
│   └── 复盘.md                    # /复盘 命令入口
└── skills/
    ├── retro-experiment/SKILL.md   # ML实验复盘
    ├── retro-data/SKILL.md         # 数据处理复盘
    ├── retro-coding/SKILL.md       # 代码复盘
    ├── retro-research/SKILL.md     # 调研复盘
    ├── retro-debugging/SKILL.md    # 调试复盘
    └── retro-design/SKILL.md       # 设计/架构复盘
docs/
├── design.md                       # 设计文档
└── adversarial-review-round*.md    # 审查记录

设计方法论

本系统的设计过程本身就是一个可复用的方法论：需求 → 广泛调研 → 第一性原理分析 → 多轮对抗性审查 → 用户对齐 → 最简实施。详见 docs/design.md。

---

🤖 由 Claude Code 辅助设计，以成品质量为最终目标。