# 锻造技能 **通常通过 SessionEnd 挂钩自动运行。** 从会话记录中提取知识。 ## 它是如何工作的 SessionEnd 挂钩运行： ao forge 成绩单 --last-session --queue --quiet 这会将会话排队以进行知识提取。 ## 旗帜旗帜|默认 |描述 ---|---|--- `--促进` |关闭 |处理从“.agents/knowledge/pending/”中提取的待处理内容，并将其提升到“.agents/learnings/”。吸收了之前的提取技能。 ## 推广模式给定 `/forge --promote`： ### 升级步骤 1：查找待处理文件 ls -lt .agents/knowledge/pending/*.md 2>/dev/null ls -lt .agents/ao/pending.jsonl 2>/dev/null 如果未找到挂起的文件，则报告“无挂起的提取”并退出。 ### 升级步骤 2：处理每个待处理文件对于 `.agents/knowledge/pending/` 中的每个文件： 1.读取文件内容 2. 验证其是否具有必填字段（`# Learning:`、`**Category**:`、`**Confidence**:`） 3.复制到`.agents/learnings/`（保留文件名） 4. 从 `.agents/knowledge/pending/` 中删除源文件 ### 升级第 3 步：处理待处理队列如果 [ -f .agents/ao/pending.jsonl ] && [ -s .agents/ao/pending.jsonl ];那么 # 处理每个排队的会话猫.agents/ao/pending.jsonl # 处理完毕后，清空队列 > .agents/ao/pending.jsonl 菲 ### 推广第 4 步：报告从待定 → .agents/learnings/ 中提升了 N 个学习内容队列已清空。 **完成。** 报告后立即返回。 ** ** ## 手动执行给定 `/forge [path]`： ### 第 1 步：识别转录本 **使用 ao CLI：** # 我最近的会话 ao forge 成绩单 --last-session # 我的特定转录本 ao forge 成绩单 <路径> **没有 ao CLI：** 查看最近的对话历史记录并手动提取学习内容。 ### 步骤2：提取知识类型在文字记录中寻找这些模式：类型 |信号|重量 ---|---|--- **决定** | “决定”、“选择”、“一起去” | 0.8 **学习** | “了解到”、“发现”、“意识到” | 0.9 **失败** | “失败是因为”、“坏了”、“不起作用”| 1.0 **图案** | “总是做X”，“诀窍是”，“模式：”| 0.7 ### 第 3 步：写候选人 **写入：** `.agents/forge/YYYY-MM-DD-forge.md` # 锻造：YYYY-MM-DD ## 决定 - [D1] <做出的决定> - 来源：<对话中的位置> - 置信度：<0.0-1.0> ## 经验教训 - [L1] <学到了什么> - 来源：<对话中的位置> - 置信度：<0.0-1.0> ## 失败 - [F1] <失败原因及原因> - 来源：<对话中的位置> - 置信度：<0.0-1.0> ## 模式 - [P1] <可重复使用的图案> - 来源：<对话中的位置> - 置信度：<0.0-1.0> ### 步骤 4：搜索索引 if 命令 -v ao &>/dev/null;那么 ao forge markdown .agents/forge/YYYY-MM-DD-forge.md 2>/dev/null 否则 # 没有 ao CLI：自动提升高置信度候选者的学习能力 mkdir -p .agents/学习 .agents/ao 对于 .agents/forge/YYYY-MM-DD-*.md 中的 f；做 [ -f "$f" ] ||继续 # 提取置信度（数字或分类） CONF=$(grep -i "置信度:" "$f" | head -1 | awk '{print $NF}') # 将分类标准化为数字：high=0.9，medium=0.6，low=0.3 案例“$CONF” 高) CONF_NUM=0.9 ;;中) CONF_NUM=0.6 ;;低）CONF_NUM=0.3 ;; *) CONF_NUM=$CONF ;; 埃萨克 # 如果置信度 >= 0.7，则自动升级 if (( $(echo "$CONF_NUM >= 0.7" | bc -l) ));那么 cp“$f”.agents/learnings/ TITLE=$(head -1 "$f" | sed 's/^# //') echo "{\"文件\": \".agents/learnings/$(basename $f)\", \"标题\": \"$TITLE\", \"关键字\": [], \"时间戳\": \"$(date -Iseconds)\"}" >> .agents/ao/search-index.jsonl echo "自动升级（置信度 $CONF）：$(basename $f)" 菲完成 echo“Forge 索引已完成（ao CLI 不可用 - 自动提升高可信度候选者）” 菲 ### 第 5 步：报告结果告诉用户： * 按类型提取的项目数 * 锻造输出位置 * 候选人已做好晋升学习的准备 ## 质量池伪造的候选人进入第 0 级：成绩单 → /forge → .agents/forge/（第 0 层） ↓ 人工审核或 2 次以上引用或自动升级（置信度 >= 0.7，无 ao 回退） ↓ .agents/learnings/（第 1 层） ## 关键规则 * **自动运行** \- 通常通过钩子 * **摘录，不要解释** \- 捕捉所说内容 * **按置信度评分** \- 并非所有提取都相同 * **排队等待审核** \- 候选人需要验证 ## 示例 ### SessionEnd 钩子调用 **挂钩触发器：** `session-end.sh` 在会话结束时运行 **发生了什么：** 1. Hook调用`ao forge script --last-session --queue --quiet` 2. CLI 分析会话记录中的决策、学习、失败、模式 3. CLI 将会话 ID 写入 `.agents/ao/pending.jsonl` 队列 4.下一个会话开始触发`/forge --promote`来处理队列 **结果：** 会话记录自动排队等待知识提取，无需用户操作。 ### 手动转录挖掘 **用户说：** `/forge ` 或“挖掘此记录以获取知识” **发生了什么：** 1.代理识别转录本路径或使用“ao forge转录本--last-session” 2. 代理扫描记录中的知识模式（决策、学习、失败、模式） 3. Agent 按置信度对每次提取进行评分 (0.0-1.0) 4. Agent 将候选人写入 `.agents/forge/YYYY-MM-DD-forge.md` 5. 代理使用 `ao forge markdown` 索引伪造输出 6. 代理报告提取计数和候选位置 **结果：** 挖掘出可重用知识的成绩单，候选人已准备好接受人工审核或 2+ 引用提升。 ## 故障排除问题 |原因 |解决方案 ---|---|--- 未找到提取物 |成绩单缺乏知识信号或 ao CLI 不可用 |检查成绩单包含决策/学习内容；验证 ao CLI 已安装低置信度分数 |信号微弱或谈话含糊|会议重点关注具体决策和明确学习 forge --queue 失败 | CLI 不可用或权限错误 |使用会话元数据手动附加到 `.agents/ao/pending.jsonl` 重复的锻造输出 |同一会话被多次伪造 |写入前检查伪造文件名； ao CLI 自动处理重复数据删除

锻造

包含技能