@vima_tech/telos 1.4.0

package/skills/_kernel/distillation.md

@@ -0,0 +1,311 @@
+---
+name: distillation
+skill_id: distillation_core
+version: 1.0
+description: >
+  蒸馏元 Skill。从需求挖掘会话的事件日志中提炼经验模式，
+  直接更新 skills/ 和 memory/ 文件，实现系统自成长。
+  当用户说"蒸馏"、"更新skill"、"从日志学习"、"处理日志"时触发。
+is_required: false
+hard_dep: []
+soft_dep: []
+estimated_tokens: 1500
+---
+
+# Mini-蒸馏协议（@Skill 即时纠正）
+
+**触发方式：** 用户在会话中输入 `@{skill} {含纠正信号词的内容}`
+**与常规蒸馏的区别：** 无需日志积累，直接从当前对话提炼，秒级写入。
+
+---
+
+## M-Step 1：意图解析
+
+提取纠正意图的三要素：
+
+```
+目标 skill：{@后的 skill 名称}
+纠正内容：{去除 @skill 后的文本}
+纠正类型（自动判断）：
+  - "漏掉/遗漏/没有问/忘记" → 分析步骤缺失 → 写入 domain.md
+  - "下次/记住/以后"        → 经验规则      → 写入 memory/failure-patterns.md
+  - "应该先/顺序错了"       → 流程顺序问题  → 写入 domain.md
+  - "这个行业/这类客户"     → 行业特征      → 写入 industry/ 对应文件
+  - 其他                    → 默认写入 memory/failure-patterns.md
+```
+
+---
+
+## M-Step 2：生成变更预览
+
+输出单条变更预览，等待确认：
+
+```
+━━━ 即时纠正预览 ━━━
+Skill：@{name}
+纠正类型：{类型}
+写入文件：{目标文件}
+写入内容：
+  {具体内容，格式同常规蒸馏的 Memory 文件修改规则}
+
+确认写入？(y / n / d 同时更新 domain.md)
+━━━━━━━━━━━━━━━━━━━━
+```
+
+---
+
+## M-Step 3：执行写入
+
+用户确认后立即写入，规则同常规蒸馏的 Step 5。
+
+写入完成输出：
+```
+✓ @{name} 已更新：{文件名}（+1 条）
+  本次纠正已生效，下轮分析将采用新规则。
+```
+
+同时将此次纠正作为 `human_intervention` 事件追加到 `episodic-logs/{project_id}.jsonl`，
+使其也参与后续常规 Ring 3 蒸馏的质量统计。
+
+---
+
+# 蒸馏协议（常规 Ring 3）
+
+**你的任务：** 读取事件日志，提炼可复用的模式，更新 Skills 和 Memory 文件。
+**核心原则：** 质量优先于数量。宁可少蒸馏一些，不引入低质量噪音。
+
+---
+
+## Step 0：确认蒸馏范围
+
+询问用户（或读取默认配置）：
+
+```
+"请确认蒸馏范围：
+ A. 指定项目（输入 project_id）
+ B. 所有未蒸馏日志（自动扫描 episodic-logs/ 目录）
+ C. 单条事件（粘贴事件 JSON）"
+```
+
+读取对应的 `episodic-logs/{project_id}.jsonl` 文件。
+
+---
+
+## Step 1：质量过滤
+
+扫描所有事件，按以下规则评分（0-1），**低于 0.6 的事件跳过，不蒸馏**：
+
+```
+人类干预事件（type: human_intervention）：
+  + 0.4  有明确的 correct_angle 字段
+  + 0.3  同类 intervention_category 在本日志中出现 ≥ 2 次
+  + 0.2  notes 字段有具体说明
+  最高：0.9
+
+原型否定事件（type: prototype_rejection）：
+  + 0.4  有 root_cause_analysis.root_question
+  + 0.3  severity = high
+  + 0.2  missed_at_turn 字段有值
+  最高：0.9
+
+矛盾事件（type: contradiction_detected）：
+  + 0.3  resolved = true，且有 resolution 说明
+  + 0.2  severity = high
+  + 0.2  turn_gap > 10（说明矛盾隐蔽，不易发现）
+  最高：0.7
+
+未覆盖决策事件（type: uncovered_decision）：
+  + 0.4  有人工决议（resolution != "pending"）
+  + 0.3  distillation_candidate = true
+  最高：0.7
+
+实现反馈事件（type: implementation_feedback）：
+  + 0.4  unclear_specs 非空（说明需求文档有明确不清晰点）
+  + 0.3  uncovered_decisions 非空（执行 AI 遇到文档漏洞）
+  + 0.2  wrong_assumptions 非空（需求假设被现实否定）
+  + 0.2  quality_score >= 0.6（feedback-hook 自动计算）
+  最高：0.9
+  路由规则：
+    unclear_specs → 更新 skills/req-mining/artifacts.md 的"功能规格"章节
+    uncovered_decisions → 追加到 skills/req-mining/artifacts.md 的"未覆盖情况处理规则"
+    wrong_assumptions → 追加到 skills/req-mining/memory/failure-patterns.md
+
+自驱分析完成事件（type: auto_req_completed）：
+  + 0.4  有假设被后续实现反馈验证（assumption_validated = true）
+  + 0.3  assumptions_count >= 3（说明文档不完整，推断规则有价值）
+  最高：0.7
+  路由规则：
+    验证正确的假设 → 追加到 skills/req-mining/domain.md 的"推断规则库"（如不存在则新建章节）
+    验证错误的假设 → 追加到 skills/req-mining/memory/failure-patterns.md
+```
+
+**输出过滤结果：**
+```
+共扫描 N 条事件
+通过质量阈值（≥0.6）：X 条
+跳过（低质量）：Y 条
+```
+
+---
+
+## Step 2：模式提炼
+
+对通过质量过滤的事件，逐条提炼模式。
+
+**提炼的核心问题：**
+
+> 这个事件揭示了什么普遍规律？
+> 如果下次遇到类似情况，Skill 应该怎么做？
+
+**提炼格式：**
+
+```json
+{
+  "source_event_id": "evt_001",
+  "source_project": "proj_2024_001",
+  "pattern_type": "skill_update | memory_entry | decision_tree",
+  "pattern_summary": "用一句话描述这个模式",
+  "trigger_signals": ["触发这个模式的信号词或场景"],
+  "recommended_action": "遇到此情况时，Skill 应该...",
+  "target_file": "skills/req-mining/domain.md",
+  "target_section": "阶段三：约束摸底 / 预算追问逻辑",
+  "change_type": "append | replace | new_section",
+  "proposed_content": "具体的修改内容或新增内容",
+  "confidence": 0.82
+}
+```
+
+---
+
+## Step 3：路由判断
+
+每条提炼出的模式，按以下规则路由：
+
+```
+"如何做某件事"的步骤、序列、框架
+→ pattern_type: skill_update
+→ 更新 skills/ 下对应文件的对应章节
+
+"某类客户/行业的特征规律、高频表现"
+→ pattern_type: memory_entry
+→ 写入 memory/patterns/ 或 memory/industry/ 对应文件
+
+"AI 执行时遇到的未覆盖场景 + 有人工决议"
+→ pattern_type: decision_tree
+→ 更新 skills/req-mining/artifacts.md 的"未覆盖情况处理规则"章节
+
+"单一案例，不可泛化（置信度 < 0.6）"
+→ 跳过，标注 low-signal，不写入任何文件
+```
+
+---
+
+## Step 4：人工确认（一次性预览 + 单次确认）
+
+**一次性展示全部变更，等待用户单次确认：**
+
+```
+━━━ 蒸馏结果预览（共 N 项变更）━━━
+
+变更 1/N：[skill_update]
+  文件：skills/req-mining/domain.md → 章节名（append）
+  内容摘要：[拟新增内容的一句话描述]
+  置信度：0.82 | 来源：proj_xxx / evt_023
+
+变更 2/N：[memory_entry]
+  文件：skills/req-mining/memory/failure-patterns.md（append）
+  内容摘要：[拟新增内容的一句话描述]
+  置信度：0.75 | 来源：proj_xxx / evt_045
+
+━━━ 确认应用全部 N 项变更？
+  y     → 全部应用
+  n     → 全部取消
+  1,3   → 仅应用编号 1 和 3，跳过其余
+```
+
+**规则：**
+- 等待用户输入 y / n / 编号列表后再执行写入
+- 不允许跳过此步骤自动写入
+
+---
+
+## Step 5：执行写入
+
+按用户确认的变更列表，逐一修改对应文件：
+
+**Skills 文件修改规则：**
+- `append`：在目标章节末尾追加内容
+- `replace`：替换目标章节中的特定段落（必须精确匹配）
+- `new_section`：在目标章节同级别新增章节
+- 修改后更新文件顶部的 `version` 字段（minor version +1）
+
+**Memory 文件修改规则：**
+- 新增条目时，包含以下字段：
+
+```markdown
+### 模式：[模式名称]
+**触发信号：** [信号词列表]
+**规律描述：** [描述]
+**建议行动：** [遇到此情况时应该...]
+**来源项目：** [project_id]
+**置信度：** [0.0-1.0]
+**最后更新：** [YYYY-MM-DD]
+```
+
+**写入完成后，清除蒸馏标记文件：**
+```bash
+rm -f .distill-needed/{project_id}
+```
+
+---
+
+## Step 6：Git 提交
+
+所有文件修改完成后，提示用户执行 Git 提交：
+
+```bash
+git add skills/ memory/
+git commit -m "distill({project_id}): {一句话描述主要变更}
+
+- {变更1简述}
+- {变更2简述}
+
+Sources: {event_id列表}"
+```
+
+**或由用户自行提交，蒸馏流程不自动执行 git 命令。**
+
+---
+
+## 蒸馏结束报告
+
+```
+━━━ 蒸馏完成 ━━━
+来源项目：{project_id}
+处理事件：{N} 条
+通过质量过滤：{X} 条
+实际写入变更：{Y} 条（跳过 {X-Y} 条：用户取消或低质量）
+
+Skills 更新：
+  - skills/req-mining/domain.md（v1.0 → v1.1）
+  - [其他更新文件]
+
+Memory 更新：
+  - skills/req-mining/memory/failure-patterns.md（+{N} 条）
+
+下次蒸馏建议时机：完成 {下个project_id} 项目后
+```
+
+---
+
+## 蒸馏质量的自我评估
+
+蒸馏完成后，检查以下问题，有助于判断蒸馏质量：
+
+```
+□ 提炼的模式是否足够普遍，能在至少 2 个不同项目中适用？
+□ 写入 Skills 的内容是否是"如何做"，而不是"什么事实"？
+□ 写入 Memory 的内容是否是"特征规律"，而不是"操作步骤"？
+□ 修改后的 Skills 文件是否仍然清晰易读，没有变得冗长混乱？
+□ 是否有内容其实应该在行业包里，而不是核心框架里？
+```

package/skills/_kernel/skill-extraction.md

@@ -0,0 +1,227 @@
+---
+name: skill-extraction
+version: 1.0
+description: >
+  用户技能提炼协议。从任意对话（烹饪、写作、谈判、编程……）中
+  提炼程序性知识，写入 skills/ 技能库，下次同类对话自动加载。
+---
+
+# 技能提炼协议（Skill Extraction）
+
+**主语是人，不是 Agent。**
+这里记录的是"用户已经掌握了什么"，而不是"Agent 应该怎么分析"。
+
+---
+
+## 什么值得提炼
+
+**值得提炼（程序性知识）：**
+- 用户展示了一个方法：「我通常是先……再……」
+- 用户学到了一个技巧：「原来关键在于……」
+- 对话中出现了可复用的步骤序列
+- 用户自己总结了规律：「这类情况要注意……」
+
+**不值得提炼：**
+- 纯事实查询（「今天天气怎么样」）
+- 一次性任务（「帮我给 John 写封邮件」）
+- 无法泛化的特例（「这次项目的具体参数是……」）
+
+---
+
+## 触发方式
+
+| 触发 | 说明 |
+|---|---|
+| `/skill save [主题]` | 用户主动保存当前对话的技巧 |
+| `保存这个技巧` / `记住这个方法` | 中文主动触发 |
+| 对话结束时检测到程序性知识 | Claude 主动提议（见"软提示"协议） |
+| `/skill save` （无参数） | Claude 自动推断主题 |
+
+---
+
+## 软提示协议（被动检测）
+
+在每轮对话后，检测以下信号（满足任意 2 个即触发软提示）：
+
+```
+□ 对话超过 6 轮
+□ 出现步骤序列（「首先…然后…最后」/ 「先…再…」）
+□ 用户说过「明白了」「原来如此」「记住了」「这个技巧」「这个方法」
+□ 技术术语密度高（某一领域词汇出现 ≥ 3 次）
+□ 用户分享了自己的经验/习惯
+```
+
+触发后，在回复末尾追加（仅追加一次，不重复提示）：
+
+```
+---
+💡 本次对话包含可复用的 [检测到的领域] 技巧。
+   输入 `/skill save` 或「保存这个技巧」可存入你的技能库，下次同类对话自动调用。
+```
+
+---
+
+## E-Step 1：意图解析
+
+确认以下信息（可询问用户，或自动推断）：
+
+```
+领域（domain）：   cooking / writing / negotiation / coding / [其他]
+子领域（sub）：    braising / salary-negotiation / [具体主题]
+技能名（name）：   简短英文标识（用于文件名）
+目标文件：        skills/{domain}/{name}.md
+```
+
+若 `skills/{domain}/{name}.md` 已存在 → 进入**更新模式**（合并而非覆盖）。
+若不存在 → 进入**新建模式**。
+
+---
+
+## E-Step 2：内容提炼
+
+从当前对话中提炼程序性知识，按以下维度整理：
+
+```
+1. 核心原则：这个领域/方法的底层逻辑（1-3条）
+2. 关键技巧：具体的、可操作的步骤或方法（3-8条）
+3. 常见陷阱：用户提到过的或对话中发现的错误模式
+4. 待探索：对话中出现但未深入的问题（可选）
+```
+
+**提炼标准：**
+- 写"如何做"，不写"什么是"
+- 每条可以独立读懂，不依赖本次对话上下文
+- 具体到可以直接操作，不写模糊的原则
+
+---
+
+## E-Step 3：生成预览
+
+```
+━━━ 技能提炼预览 ━━━
+领域：{domain} / {sub-domain}
+文件：skills/{domain}/{name}.md（{新建 | 更新，原 v{X}}）
+
+核心原则（{N}条）：
+  • {原则1}
+  • {原则2}
+
+关键技巧（{N}条）：
+  • {技巧1}
+  • {技巧2}
+  ...
+
+常见陷阱（{N}条）：
+  • {陷阱1}
+
+待探索：{内容}（可选）
+
+确认写入？(y / n / e 编辑后写入)
+━━━━━━━━━━━━━━━━━━
+```
+
+等待用户确认。**不跳过此步骤，不自动写入。**
+
+---
+
+## E-Step 4：执行写入
+
+用户确认后：
+
+**新建技能文件** `skills/{domain}/{name}.md`：
+
+```markdown
+---
+name: {name}
+domain: {domain}
+tags: [{tag1}, {tag2}]
+created: {YYYY-MM-DD}
+last_updated: {YYYY-MM-DD}
+conversation_count: 1
+---
+
+# {标题（中文）}
+
+## 核心原则
+{每条以 - 开头}
+
+## 关键技巧
+{每条以 - 开头，具体可操作}
+
+## 常见陷阱
+{每条以 - 开头}
+
+## 待探索
+{可选，若无则省略此节}
+```
+
+**更新已有技能文件**：
+- 新技巧若不重复 → 追加到对应章节末尾
+- 与已有内容矛盾 → 标注「[已更新]」并替换
+- `last_updated` 更新为今日
+- `conversation_count` +1
+
+**同步更新 `skills/_index.md`**：
+
+```markdown
+## {domain}
+- [{name}](/{domain}/{name}.md) — {一句话摘要} · [{tag1}, {tag2}]
+```
+
+---
+
+## E-Step 5：完成确认
+
+```
+✓ 技能已保存：skills/{domain}/{name}.md
+  领域：{domain}
+  技巧数：{N}条
+  下次与 {domain} 相关的对话中将自动加载此技能。
+```
+
+---
+
+## 技能加载协议（Skill Loading）
+
+**触发时机：** 对话开始，用户第一条消息发出后。
+
+**执行步骤：**
+
+1. 读取 `skills/_index.md`
+2. 从用户消息中提取主题关键词
+3. 匹配索引中的 `domain` 和 `tags`
+4. 若有匹配（置信度 > 0.6）：
+   - 读取对应技能文件
+   - 在心智上加载（不向用户显示加载过程）
+   - 以用户**已掌握这些技巧**为前提展开对话
+
+**加载后的对话方式：**
+```
+不说：「红烧肉要先煎，这样可以锁住汁水…」（从零讲）
+改说：「基于你已有的焦糖化基础，炖牛腩的关键差异在于…」（递进讲）
+```
+
+**无匹配时：** 正常对话，结束时若检测到程序性知识则触发软提示。
+
+---
+
+## 技能文件命名规范
+
+```
+skills/
+  cooking/
+    braising.md           # 炖煮类
+    knife-skills.md       # 刀工
+  writing/
+    technical-docs.md     # 技术文档
+    persuasion.md         # 说服性写作
+  negotiation/
+    salary.md             # 薪资谈判
+  coding/
+    debugging.md          # 调试思路
+    code-review.md        # 代码审查
+  [domain]/
+    [name].md
+```
+
+`domain` 用英文小写，`name` 用英文小写+连字符。

package/skills/_template/domain.md

@@ -0,0 +1,93 @@
+---
+name: your-skill-name
+skill_id: your_skill_id
+version: 0.1.0
+description: >
+  一句话描述这个 Skill 做什么。
+  它是飞轮 Ring 1 的核心——定义"如何分析输入材料并生成产物"。
+is_required: true
+hard_dep: []
+soft_dep: []
+trigger_phrases:
+  - "触发词1"
+  - "触发词2"
+---
+
+# [Skill 名称] 分析协议
+
+**使用场景：** 描述在什么情况下使用此 Skill。
+
+---
+
+## Step 0：接收输入材料
+
+用户提供以下任意格式：
+- 直接粘贴文本
+- 文件路径
+- URL
+
+**确认输入后，询问（一次性）：**
+```
+已收到材料（约 XXX 字）。
+请确认以下信息（可省略，我会推断）：
+1. 项目名称：
+2. 分析侧重点：
+```
+
+---
+
+## Step 1：材料扫描
+
+**静默执行，不逐条输出。扫描以下维度：**
+
+```
+维度 1：[你的维度1]
+维度 2：[你的维度2]
+维度 3：[你的维度3]
+```
+
+---
+
+## Step 2：分析输出
+
+**输出格式：**
+
+```
+━━━ 分析结果 | 项目：{name} ━━━
+
+## 一、[核心输出1]
+[内容]
+⚠️ 假设 A1：[不确定点]
+
+## 二、[核心输出2]
+[内容]
+```
+
+---
+
+## Step 3：生成产物
+
+加载 `skills/your-skill-name/artifacts.md`，按规格生成产物。
+
+---
+
+## Step 4：写入状态
+
+```python
+state["skill"] = "your-skill-name"
+state["artifacts_generated"] = True
+```
+
+追加事件日志：
+```json
+{"type": "analysis_completed", "distillation_candidate": true}
+```
+
+---
+
+## Step 5：自动启动 Ring 2
+
+产物完成后，通过 Bash 工具调用：
+```bash
+./scripts/bridge-to-coder.sh {project_id} {tool}
+```

package/skills/_template/feedback-questions.sh

@@ -0,0 +1,9 @@
+#!/bin/bash
+# [your-agent-name] 领域专属反馈问题
+# 替换为与你的 skill 相关的问题
+
+QUESTION_1="执行过程中哪些输入信息不清晰？"
+QUESTION_2="遇到了哪些未覆盖的决策点？"
+QUESTION_3="哪些假设与实际情况不符？"
+QUESTION_4="哪些产出无法验证质量？"
+QUESTION_5="总体反馈（执行难度、输入质量评分 1-10）："

package/skills/_template/skill.yaml

@@ -0,0 +1,22 @@
+name: your-skill-name
+version: 0.1.0
+description: 一句话描述这个 Skill 的用途
+author: your-name
+license: MIT
+tier: workspace
+
+# 飞轮配置
+ring1_protocol: skills/your-skill-name/domain.md
+ring1_artifacts_doc: execution-doc.md
+ring2_bridge: scripts/bridge-to-coder.sh
+ring2_default_tool: claude
+ring3_feedback_questions: skills/your-skill-name/feedback-questions.sh
+
+# 激活触发词（用户说这些词时自动加载本 Skill）
+triggers:
+  - "触发词1"
+  - "触发词2"
+
+# 初始记忆文件（蒸馏结果会写回这里）
+memory:
+  - skills/your-skill-name/memory/patterns.md