skill-reinforcement

skill-reinforcement 元技能是為在 Zero Finance 環境中運行的 AI 代理提供的持續學習層。其設計旨在彌補初步任務執行與長期架構穩定性之間的差距。透過監控 .opencode/skill 目錄中的技能完成情況，此元技能強制執行一個反思階段，代理在此期間評估其先前動作的成功率、Token 效率和時間消耗。它作為一個自動化的文檔引擎，確保在開發或自動化銀行操作過程中發現的發現、故障模式和快捷方式模式能夠永久整合到代理的知識庫中。

• 在技能完成後自動觸發，對工作流程結果進行事後分析。

• 將調查結果分類為可操作的區塊：節省 Token 技巧、常見問題、反模式和工作流程優化。

• 使用預定義的結構化模板更新 SKILL.md 文件，保持代理存儲庫的一致性。

• 促進相關技能之間的知識交流，例如 self-improve、test-staging-branch 和 chrome-devtools-mcp。

• 實施遞歸改進循環，強化技能本身也會進行自我監控和優化。

• 支援系統性識別何時從基礎腳本編寫過渡到建立更強大的工具、插件或 MCP 伺服器。

• 適用於管理複雜銀行自動化、發票生成和財務管理的開發人員與 AI 代理。

• 需要持續捕捉上下文，包括任務結果、Token 成本和時間效率指標。

• 遵循特定的更新生命週期：捕捉上下文、識別學習成果、分類、更新文件及驗證。

• 當與 OpenCode 工作區配置整合時效果最佳，確保檔案系統權限以進行文檔更新。

• 實際限制包括需要在 SKILL.md 中遵循特定格式，以確保代理維護機器與人類可讀文檔的一致性。

• 使用決策樹來建議功能擴展，特別是在文檔更新、建立新 AI 人格、事件鉤子或外部 MCP 伺服器整合之間做出區分。