skill-reinforcement

skill-reinforcement 技能作為自主代理的自我改進元層，確保每次執行的任務都能促進系統的長期智慧。它專為在 0 Finance 等環境中運行的 AI 代理而設計，填補了原始執行與持續文件記錄之間的差距。透過在技能完成後自動觸發，它能防止知識遺失、完善營運決策，並系統地更新本地技能文件，以反映通往成功的最高效率路徑。對於想要減少 Token 浪費並隨時間最大化任務可靠性的開發人員來說，此工具至關重要。

• 在每次技能執行後，自動分析成功、失敗與效能指標。

• 捕捉可執行的學習內容，包括捷徑、反模式與環境特徵。

• 系統地更新 .opencode/skill/*/SKILL.md 中的文件，確保跨工作階段的知識持久性。

• 與 self-improve 技能整合，以管理決策樹、模板與複雜的工作流程邏輯。

• 為記錄失敗模式與針對重複問題的有效修復程式提供結構化架構。

• 促進 chrome-devtools-mcp、test-staging-branch 與金融工作流程等相關技能之間的知識傳播。

• 當任務完成、工作流程失敗或有重要發現時，自動觸發此技能。

• 遵循五步驟強化流程：捕捉上下文、識別學習內容、分類發現、更新技能文件以及驗證更新。

• 使用針對 Token 節省、失敗模式、反模式與工作流程改進所提供的模板，確保格式一致。

• 輸入內容包括技能名稱、任務說明、結果（成功/部分/失敗）以及 Token 成本與延遲等效能指標。

• 約束條件包括維護非冗餘的文件記錄，並確保所有更新皆具體且可執行，而非模糊的觀察。

• 定期檢視最頻繁使用的技能，以優先進行維護並識別何時應將可重複的任務轉化為專用工具或代理。