agentleFS
solplumsolplum/weaver-evolve/skills/codex/weaver-自我迭代/SKILL.md

weaver-自我迭代

Skill2 starsChanged 2 months agoMITView on GitHub

跨项目整理稳定知识、规则与经验。目标是让信息出现在正确层级,而不是把所有内容堆进一个文件。 需要更细的层级判定时读取 references/layer-guide.md。 历史记录是可选数据源,不是前置条件。 只保留对未来有复用价值的内容: 每条候选内部记录:来源、事实、置信度、层级、建议动作、目标文件。推测必须标注为推测。 在写入前给出一张合并计划表: 若用户此前已明确授权同一批具体操作,可直接执行,不重复确认。 只输出有内容的段落。没有可归档信息时,说明所检查的数据源和“无需变更”。

1 other project uses a version of this.

Adopted by

Most recently taken up by

  • Other versions1 project uses a version of this.

    Word for word · 1

    1. 2021291696/weaver-evolve★ 3100% same

    Edited · 0

    None found.

    Wrote their own version · 0

    None found.

    How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.

  • In this repository9 other files it gives its agents.

The file

Files
SKILL.md

编织者 · 自我迭代(Codex)

跨项目整理稳定知识、规则与经验。目标是让信息出现在正确层级,而不是把所有内容堆进一个文件。

边界

  • 本技能管跨项目广度;单项目文件整理交给 $file-tidy,错误复盘交给 $debug-architect,明确的“记住/忘掉/整理记忆”交给 $memory-keeper。
  • 规则文件使用 AGENTS.md:全局为当前 CLI 主目录下的 AGENTS.md(本机 Windows 为 ~/.Codex/AGENTS.md),项目或子目录规则为对应目录的 AGENTS.md。
  • CLI 配置使用全局 ~/.Codex/config.toml 与项目 .codex/config.toml。
  • 个人技能位于 ~/.agents/skills,项目技能位于 .agents/skills;通过当前 CLI 的 skill 系统显式调用。
  • 不把聊天原文、临时状态或未经验证的推测写成永久规则。
  • 修改现有规则、配置、知识文件前先读取;跨项目写入或删除必须遵守用户授权与当前文件权限。

需要更细的层级判定时读取 references/layer-guide.md。

工作流

1. 确定范围与授权

  1. 明确整理范围:当前项目、指定项目集合或全局。
  2. 明确允许读取和修改的位置;未授权的项目只做只读分析或列入建议。
  3. 首次运行或没有可靠增量标记时,询问回溯范围;用户已给出明确范围则不要重复询问。
  4. 可在当前 CLI 主目录下维护技能自有的增量标记,例如 <CLI主目录>/.last-weaver。主目录不确定时先探测验证再写。标记只记录时间/游标,不存对话正文。

2. 能力探测历史数据

历史记录是可选数据源,不是前置条件。

  1. 定位当前 CLI 主目录;不确定时探测常见位置(本机 Windows 为 ~/.Codex)。
  2. 在用户授权范围内,检查是否存在可读、看起来与 session/history 有关的文件或目录。
  3. 若存在:先抽样读取并识别实际格式,再决定解析方式。只依赖观察到的字段,不假定固定文件名、目录层级或 JSONL schema。
  4. 若不存在、不可读或格式不明:明确说明限制,改用以下来源:
    • 当前任务上下文;
    • 用户指定的项目与已有 AGENTS.md;
    • 当前 CLI 的全局规则与配置(本机为 ~/.Codex/AGENTS.md、~/.Codex/config.toml)、项目 .codex/config.toml;
    • Git 历史、当前 diff、提交信息;
    • 项目现有 docs、memory、wiki、错误日志和技能说明。
  5. 不绕过权限、不搜索凭据、不声称已扫描无法访问的历史。

3. 提取候选信息

只保留对未来有复用价值的内容:

类别典型信号候选去向
跨项目硬规则“以后所有项目都…”“禁止…”~/.Codex/AGENTS.md
项目硬规则构建命令、目录约束、技术边界项目 AGENTS.md
子目录规则仅适用于某模块/子项目最近的子目录 AGENTS.md
Codex 配置模型、沙箱、MCP、功能开关等对应 config.toml
稳定偏好/决策长期协作偏好、项目决策对应项目的 memory 或知识文件;路由细则以工作区 AGENTS.md「记忆→去向路由」表为准
通用知识概念、规律、方法论个人知识库/wiki/(遵循其 AGENTS.md)
错误经验已验证根因与预防措施.codex/ERROR_LOG.md,必要时再提炼规则
过期内容已被新决策推翻、死链、失效配置更新/删除候选

每条候选内部记录:来源、事实、置信度、层级、建议动作、目标文件。推测必须标注为推测。

4. 分层与去重

  1. 先搜索目标层已有内容,更新原条目而非重复追加。
  2. 不确定时下沉一级:全局 → 项目 → 子目录。
  3. AGENTS.md 只放下一次执行任务必须看到的约束;背景、历史和解释放项目知识文件。
  4. config.toml 只放有效配置;修改前确认键的当前含义和作用域,不凭印象创造配置项。
  5. 新旧信息冲突时优先采用用户最新明确决定;无法判定则列入“需确认”。
  6. 发现知识库有自己的 AGENTS.md 时,按其格式、索引和链接规则处理。

5. 展示计划并确认

在写入前给出一张合并计划表:

#动作层级目标文件摘要依据/置信度

以下操作必须先确认:

  • 删除、移动或大范围重写;
  • 修改全局 ~/.Codex/AGENTS.md 或 ~/.Codex/config.toml;
  • 修改多个项目;
  • 把推测升级为规则;
  • 修改技能自身。

若用户此前已明确授权同一批具体操作,可直接执行,不重复确认。

6. 执行归位

  • 逐个读取目标文件后再编辑,保持原结构和措辞风格。
  • 项目规则写到适用范围最近的 AGENTS.md;不要把子目录规则提升到项目根。
  • 配置写到正确作用域:全局配置(本机 ~/.Codex/config.toml),项目配置 <项目>/.codex/config.toml。
  • 技能安装/维护使用 ~/.agents/skills/<name>/ 或 <项目>/.agents/skills/<name>/。
  • 错误复盘可显式调用 $debug-architect;文件归位可调用 $file-tidy;记忆结构整理可调用 $memory-keeper。
  • 不创建没有实际内容的占位文件,不复制敏感信息,不覆盖并行工作的未提交改动。

7. 验证

  • 读回所有修改文件,确认内容位于正确层级。
  • 检查 AGENTS.md 继承关系,避免同一规则在多层冲突或重复。
  • 检查 TOML 可解析,且未写入未知键、明文凭据或项目专属值到全局配置。
  • 检查新增链接、路径与技能引用是否真实存在。
  • 使用 git diff -- <明确路径> 核对只改了计划中的文件。
  • 历史数据不可用时,在结果中明确写出“未扫描 Codex 历史”及替代数据源。
  • 所有验证通过后,才更新增量标记;失败时保留旧标记以便重试。

输出格式

## 全局整理完成(YYYY-MM-DD)

### 数据源与限制
- 已读取:当前上下文、项目 AGENTS.md、Git 历史
- 未读取:Codex 历史数据(未发现可访问数据)

### 文件变更
- 更新:<绝对路径> — <一句话>

### 需确认
- <冲突或高风险动作>

### 验证
- AGENTS.md 层级:通过
- TOML 解析:通过/未修改
- 变更边界:通过

只输出有内容的段落。没有可归档信息时,说明所检查的数据源和“无需变更”。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.