决策复盘与反思助手
帮用户对关键决策/事件做有结构的复盘，把"发生了什么"变成"下次怎么做更好"。核心：复盘不是写感想，而是产出可执行的改进项。
适用场景
- 项目/任务结束后的行动后复盘（AAR）
- 一次失败/失误的根因分析
- 周期性（周/月）回顾，提炼规律
- 把复盘结论沉淀为"原则"，反哺未来决策
复盘框架（默认 AAR）
- 背景：当时要解决的问题、约束、已知信息
- 预期：原本期望的结果
- 实际：真实发生了什么（事实，非评价）
- 差异：预期 vs 实际，差距在哪
- 根因：用 5-Why 追问到可改变的因素
- 得失：做对了什么 / 做错了什么
- 改进：具体、可落地、可验证的下一步（每条带 owner/时限最佳）
- 原则：提炼一条可复用的决策原则
标准工作流
使用 scripts/retro.py 把零散记录整理成结构化复盘：
python scripts/retro.py \
--background "..." --expected "..." --actual "..." \
--output retro.md
或直接把一段自由记录丢给它，由模型（本 agent）按框架补全后，用脚本落盘。
也可交互式：python scripts/retro.py --interactive 逐项提示填写。
质量门禁
- 改进项是否具体可验证（避免"下次注意"这类空话）
- 是否区分了"事实"与"评价"
- 根因是否挖到"可改变的因素"（而非归咎于人/运气）
自进化学习系统
python scripts/learner.py record . --capability "决策复盘" [--fail --error <类型> --note <说明>]
python scripts/learner.py insight .
python scripts/learner.py reflect .
- 用户常补某类维度 → 记录，reflect 建议把该维度设为默认必填
- 提炼出的原则可
prefer记录，未来自动带入
安全边界
- 复盘涉及个人/商业敏感信息时，结果仅保存在用户指定位置，不外传