reflection-replanner（反思驱动重规划）
由 meta-evolver 在「超级智能体实战收口」域构建。解决「验证失败即终止」的脆弱执行： 把 reason-verify 的失败信号转化为可操作的计划修订，让超级智能体具备「反思→重规划」能力。
何时使用
- 端到端任务执行中，reason-verify / 测试运行器判定某步失败。
- 希望失败后自动诊断根因（缺步骤 / 错假设 / 工具失败 / 数据问题）并修补计划，而非人工重跑。
- 组装 super-agent-loop 时，作为「验证门未过 → 反思 → 重规划」的回调节点。
工作流
- 收集信号：拿到原 plan、执行 trace（每步 ok/fail）、verify 结果（passed + issues）。
- 反思分类：
FailureClassifier把失败根因归为 missing_step / wrong_assumption / tool_failure / data_issue / verification_gap。 - 重规划：在失败点之前插入针对性补救步骤，并一律在末尾追加「最终验证门」。
- 闭环：修订后的计划交回执行器重跑；仍失败则再次反思（反思驱动重规划可迭代）。
- 通过即停：verify.passed 为真时原样返回，不噪声式改动。
脚本
scripts/replanner.py（纯标准库）：
FailureClassifier.classify(issues)根因分类。Replanner(plan, trace, verify).replan()→{category, revised_plan, added}。- CLI：
--selftest自检；--plan "a|b|c" --issues "..."即时修订。
自验证
python scripts/replanner.py --selftest
断言：缺失步骤类正确插入补救步 + 末尾验证门；错误假设类加校验门；通过时不改动计划。
与四引擎闭环的关系
- 上游：
reason-verify/test-runner产出 verify 信号 → 本技能消费。 - 下游：修订后的 plan 交回
long-horizon-planner或super-agent-loop重跑。 - 记忆：每次修订通过
memory-cross-engine落盘，供后续任务复用「已知的失败模式」。
已知限制
- 根因分类基于关键词启发式，复杂失败需结合 LLM 语义判断增强。
- 当前只修订步骤列表，不修改单步内部实现细节。
自进化学习系统（越用越好用、越用越高效）
本技能内置通用学习模块 scripts/learner.py。每次使用后自动复盘、积累经验，逐步提升输出质量与执行效率，无需人工维护。
记忆文件
learned_patterns.json（位于本技能目录）记录：操作总数、各能力使用频次、错误模式、用户偏好、改进建议。
使用后请调用（Bash）
# 记录一次成功使用（--capability 填本次主要能力名，如「简历优化」「比价」）
python scripts/learner.py record <本技能目录> --capability 简历优化
# 记录一次失败/异常
python scripts/learner.py record <本技能目录> --capability 简历优化 --fail --error 格式识别失败 --note "用户上传了非标准文件"
# 记录用户偏好（下次直接使用）
python scripts/learner.py prefer <本技能目录> --key 输出语言 --val 中文
# 查看累计洞察（高频能力 / 反复错误）
python scripts/learner.py insight <本技能目录>
# 自动复盘（错误≥3次 或 操作≥10次 时给出改进建议）
python scripts/learner.py reflect <本技能目录>
迭代规则
- 错误累计 ≥3 次 → 主动增加预检/兜底步骤，并将经验回写本 SKILL.md。
- 操作数 ≥10 次 → 分析高频能力优先打磨示例与质量，低频能力评估精简或合并。
- 重要用户偏好 → 写入
learned_patterns.json，下次调用直接采用，减少重复询问。
越用越懂你：第一次用是通用能力，第十次用已沉淀为你专属的最佳实践。