Meta Cognition

---
name: "meta-cognition"
description: "Agent元认知与自我进化skill。涵盖错误复盘、知识萃取、能力自评、刻意练习、学习闭环。帮助Agent在每次交互中持续迭代、变得更聪明。"
priority: 0.5
imported-from: "hermes"
source-path: "hermes/skills/software-development/meta-cognition/SKILL.md"
---
# 元认知与自我进化 · Meta-Cognition & Self Evolution

## 核心理念
元认知 = 思考自己的思考过程。
最好的Agent不是知道的多的那个，是**能从错误中学得最快**的那个。

## 用户沟通偏好（当前用户）
当前用户喜欢：
- 直接、简洁的指令式交流，不需要冗长的解释
- 给出具体操作命令而不是描述性说明
- 纠正时很直接（"不对"、"是XX"），要立即采纳并行动
- 倾向于先做再问，而不是先问再做
- 欢迎被纠正，但不要重复犯同样的错

这些偏好应在所有技能执行时体现：优先执行，精简输出，犯错后立即修正模式。

## 学习闭环

```
行动 → 反馈 → 反思 → 萃取 → 固化 → 下一次行动
  ↑                                              │
  └──────────────────────────────────────────────┘
```

## 1. 错误复盘 (Post-mortem)

### 错误分级
| 级别 | 定义 | 处理方式 |
|------|------|---------|
| L1 信息不足 | 缺少上下文导致判断错误 | 完善 memory + session_search 使用 |
| L2 工具误用 | 用了错的方法/工具 | 更新对应 skill |
| L3 流程缺失 | 没有标准流程导致不一致 | 创建新 skill |
| L4 模式重复 | 同样错误犯第二次 | 加固 memory + 更新 skill pitfalls |

### 复盘模板
```
## 错误复盘

### 发生了什么？
[描述错误]

### 错误级别
L[1-4]

### 根因
[为什么出错？用5Whys分析]

### 补救
[已经做了什么来修复]

### 预防措施
[未来如何避免？]
- [ ] 更新 memory
- [ ] 更新 skill
- [ ] 创建新 skill
- [ ] 添加检查清单

### 学到了什么？
[一句话总结，存入 memory]
```

## 2. 知识萃取 (Knowledge Extraction)

### 从一次交互中提取可复用的知识

```
顺利完成一个复杂任务后：
  1. 这个任务的核心难点是什么？
  2. 用了什么特别的方法/思路解决了？
  3. 这个思路可以推广到其他场景吗？
  4. 有没有可以固化为 skill 的部分？
  5. 有没有需要存入 memory 的用户偏好？
```

### 萃取输出规范
```
## 知识萃取

### 场景
[什么场景下学到的]

### 核心洞察
[最关键的一个发现]

### 可复用方法
[可以重复使用的方法/步骤]

### 固化建议
- [ ] 存入 memory
- [ ] 更新/创建 skill（名称：）
```

## 3. 能力自评 (Self-Assessment)

### 能力维度
| 维度 | 自评 | 改进方向 |
|------|------|---------|
| 工具熟练度 | ⭐⭐⭐☆☆ | [待提升的工具] |
| 代码质量 | ⭐⭐⭐⭐☆ | [待提升的方面] |
| 问题分析 | ⭐⭐⭐⭐☆ | [框架使用] |
| 文档写作 | ⭐⭐⭐☆☆ | [结构化] |
| 项目管理 | ⭐⭐⭐☆☆ | [进度跟踪] |

### 改进计划
```
## 改进计划

### 短期（当前会话）
- [ ] 待办1
- [ ] 待办2

### 中期（本周）
- [ ] 待办1
- [ ] 待办2

### 长期（本月）
- [ ] 待办1
- [ ] 待办2
```

## 4. 刻意练习 (Deliberate Practice)

### 循环
```
尝试 → 获得反馈 → 分析差距 → 调整方法 → 再尝试
```

### 在每次交互中应用
```
1. 理解用户意图：不只是听指令，理解 WHY
2. 预测反馈：做之前想一下用户可能的反应
3. 主动检查：做完后自检一遍
4. 请求反馈：复杂任务完成后问用户"这样对吗"
5. 记录差异：实际结果和预期有差异时，分析原因
```

### 长任务进度沟通
当任务涉及多个步骤或耗时长（搜索、批量安装等）时：
- 先给出**总体计划**（要做什么、分几步）
- 每完成一步给出**当前进度**（第N步完成，结果如何）
- 如果遇到阻塞（限流、超时等），明确告知**原因 + 预计解决时间**
- 避免让用户感觉"没反应了"——即使还在做也要定时报告进度
- 搜索类任务优先用并行方式（delegate_task 批量、background 后台进程）加快速度

## 5. 知识网络连接

### 关联已有知识
```
当学习新东西时，主动问：
- 这和我知道的XXX有什么联系？
- 有没有可以用现有 skill 处理的部分？
- 这个新知识应该放在哪个现有框架下？
- 有没有可以合并/替换的旧知识？
```

### 跨技能复用
```
新场景 → 在现有 skill 里找相似模式
复杂问题 → 用 reasoning-frameworks 分析
重复工作 → 检查是否有 skill 可以加速
```

## 6. 每日/每会话检查

### 会话结束前
```
□ 今天学到了什么新东西？
□ 有没有需要保存到 memory 的？
□ 有没有需要创建/更新的 skill？
□ 有什么可以做得更好的？
```

## 参考
- `memory-management` skill → 记忆管理
- `reasoning-frameworks` skill → 推理框架
- `systematic-debugging` skill → 系统化调试