weekly-retro Skill：让 AI 使用方式持续变好

一开始的问题不是“写一份周报”，而是我发现很多 AI 对话里藏着可复用的知识点和方法论。如果这些东西能被抽出来，后续 AI 协作就会越来越顺。

• 我关心的不是 AI 是否能生成内容，而是它能不能把每次对话里的经验留下来。
• 最早承接这个想法的是 digest：主动总结对话、抽知识点、沉淀到知识库。
• 真正目标是让 AI 使用方式持续改善，而不是让知识继续散在聊天里。

digest 最早解决的是“哪些对话值得总结沉淀”。它会把对话里的知识点、方法论片段和入库去向抽出来，再判断要不要进入知识库。

• 第一版依赖主动触发：我想起来说“沉淀一下”，它才会工作。
• 它的有效部分是抽离方法论、拆候选、判断去向。
• 它的问题也很明显：越忙、越有价值的对话，越可能因为没有主动触发而错过。

digest 太依赖主动触发，于是下一步变成固定的周复盘 prompt：不再等我想起来沉淀，而是定期审查一周 Claude 使用情况、产物和协作方式。

• 分析范围明确到缓存文件、会话记录、技能目录和项目产物。
• 输出要按项目说明做了什么、花了多久、哪里效率低。
• 最后必须给出“我的 Claude 使用优化建议”，重点看提问、拆解、目标定义和思维逻辑。

固定 prompt 的价值在于，它逼我承认一个事实：AI 不好用，有时不是模型不行，而是我的问题定义、约束表达和任务拆分不够清楚。

• 有些重复劳动来自任务目标没有一开始说清。
• 有些返工来自约束不完整，AI 只能边做边猜。
• 有些“AI 不懂我”，其实是我没有给出验收口径。

固定 prompt 有用，但它每次都要复制、调整和重新解释。下一步就是把它收进 methodology / retro，让复盘变成稳定触发的 skill。

• 周报不再只靠手写 prompt，而是有固定的证据收集、项目分析和优化建议结构。
• 报告开始沉淀为每周记录，成为后续方法论变化的原始材料。
• 复盘对象从“这周做了什么”扩展到“这周我是怎么和 AI 协作的”。

当复盘从 prompt 变成 skill 后，新的问题出现了：如果只让一个 agent 审查所有东西，它会把自己的可见范围、偏好和盲区带进最终报告。

• Claude 更容易解释自己看得到的会话，却看不到 Codex 的工具调用细节。
• Codex 更擅长落盘证据和命令验证，却可能低估对话过程中的意图变化。
• 单一审计者会让报告看起来完整，但不一定可信。

于是中间出现了一个小插曲：复盘不再交给单个 agent，而是让 Claude 和 Codex 分别自评，再互相审查，最后由裁判综合。

• Claude 只复盘 Claude 证据，Codex 只复盘 Codex 证据。
• 交叉审查专门挑对方的覆盖不足、重复计数和证据边界。
• 裁判综合不重新发散，只基于证据、自评和互审做判断。

多 agent 让报告更扎实，但也让报告更像审计材料。信息变多以后，用户仍然可能只看结论，不进入真正的自我修正。digest 的方法在这里重新出现：把报告里的内容拆成候选，再判断去向。

• 完整报告解决了事实可信度，却没有自动解决反思发生。
• 系统问题、普通感受、方法变化混在一起，仍然需要分流。
• 如果没有收口机制，复盘又会变成一份“很完整但离我很远”的文档。

追问不是终点。真正的收口发生在追问之后：把普通反思写回周报，把系统问题更新到线头看板，把可复用经验变成能力层规则或正式知识卡，并补上索引。

• 普通反思写回周报补充区，保留当周上下文和用户原话。
• 系统问题先进入候选草稿或线头看板，写清再触发条件和当前状态。
• 确认可复用后，再生成能力层规则或正式知识域卡片，并同步 README、材料索引、拆卡索引或裁决记录。

weekly-retro 的价值不是替我写周报，而是持续审查我如何使用 AI：问题是否清楚、目标是否准确、约束是否完整、任务拆解是否合理。

• 当前形态是个人 AI 使用复盘 workflow。
• 团队复用潜力在于把“怎么和 AI 协作”变成可讨论、可训练、可改进的 SOP。
• 企业级潜力在于把 AI 使用证据、协作审查和组织方法库打通。