📖 技能介绍

name: knowledge-flywheel slug: knowledge-flywheel displayName: Knowledge Flywheel（知识飞轮框架） version: "1.0.0" description: 知识/记忆/流水线飞轮框架 — 三环自运转、故障牵引修复、流水线自动注册。把静态知识和流水线变成自运转飞轮：使用 → 反馈 → 校准 → 更准召回 → 更多使用。 tags: [flywheel, knowledge, pipeline, self-healing, memory]

Knowledge Flywheel

把静态知识/流水线变成自运转飞轮：使用 → 反馈 → 校准 → 更准召回 → 更多使用。

核心模式

三环飞轮

环	频率	动作	实现
内环	每次运行	对召回的事实做正向反馈	`fact_flywheel.py inner`
中环	每次运行	trust 微调：高频事实 trust↑，零检索事实 trust↓	`fact_flywheel.py middle`
外环	每周	质量校准：归档长期零检索，去重重复内容	`fact_flywheel.py outer`

故障牵引修复

故障发生 → fault_traction.py 提取错误特征 → 匹配教训库 → 输出 top_fix → 自动/人工修复 → 记录结果

小葱技能站7w4.net每天更新，海量AI技能等你发现。

流水线飞轮注册

python3 pipeline_flywheel.py register <name> <process_fn>
python3 pipeline_flywheel.py run <name> <input>
python3 pipeline_flywheel.py list

接入现有流水线

在 cron prompt 里追加：

若执行失败，立即运行：
python3 fault_traction.py "<错误特征>"
按建议修复后重试。

设计原则

全自动优先：飞轮必须自动运转，不需要用户手动参与
最小侵入：接入只需在现有流程加 1-2 行调用
可观测：所有事件写入持久存储，可查询审计
自愈优先：故障优先自动修复，失败才上报
不改用户配置：飞轮只记录事件，不修改现有流水线配置

故障牵引修复流程

故障发生
  ↓
fault_traction.py 提取错误特征
  ↓
匹配教训库中的活跃教训
  ↓
输出：top_fix + 置信度 + 历史使用次数
  ↓
自动修复 / 人工确认修复
  ↓
记录修复结果到 pipeline_flywheel
  ↓
若成功 → 更新教训 use_count
  ↓
若失败 → 标记为待人工

输入来源

来源	示例
cron 报错	`python3 fault_traction.py "API 404 模型不存在"`
日志文件	`python3 fault_traction.py /var/log/agent/error.log`
脚本异常	在 except 块里自动调用
用户反馈	"又出问题了" → 提取最近错误日志

输出格式

状态: matched / no_match
提取特征: [...]
匹配教训:
  1. 触发词: ...
     问题: ...
     修复: ...
     置信度: X | 使用次数: N
建议修复: ...

关键脚本

脚本	职责
`fact_flywheel.py`	三环飞轮：内环正向反馈、中环 trust 校准、外环质量校准
`fault_traction.py`	故障牵引修复，从错误文本匹配教训库
`pipeline_flywheel.py`	流水线注册、运行记录、事件追踪、健康评估
`sync_rules.py`	启动时自动驱动飞轮

健康度评估

五维健康分

维度	权重	说明
成功率	40%	success / total
延迟	20%	<1s 满分，>5s 零分，线性插值
Token 用量	10%	<1000 满分，>5000 零分，线性插值
错误分布	15%	外部/内部错误占比越低越好
Pattern 覆盖率	15%	有 pattern 的失败数 / 总失败数

审计报告

输出 Markdown 格式，包含：综合健康分、五维得分表、运行统计、错误类型分布、自动建议。

建议触发条件：成功率<80%、延迟>3s、Token>3000、Pattern 覆盖率<70%。

Pattern 自动分类

vendor_error：401/403/404/rate limit/timeout/connection 等外部错误
user_error：参数/输入/格式错误
harness_defect：配置/投递层问题

Pattern 库卫生

patterns 表随时间堆积历史已解决问题。建议： - 每周扫一次：python3 pipeline_flywheel.py pattern list - 对已知重复类目，批量设为 deprecated - 保留置信度 >= 0.7 且 last_matched_at 在 7 天内的 active pattern

常见陷阱

飞轮写入失败 ≠ 主任务失败：trace 记录失败时，只降级提示，不回滚主任务结果
健康分的"运行次数"口径：飞轮报告的运行次数是 trace 记录数，不是 cron 调度次数，两者不一定一致
SQLite 写锁：高并发下 trace_store 可能被锁，建议 trace 表独立于主事实库，并保留 JSONL fallback
延迟统计异常：务必过滤 latency_ms=0 和数量级异常值（如 >24h），否则均分会完全失真

与 self-fix-loop 的互补关系

self-fix-loop：聚焦单个脚本/任务的 8 阶段自愈闭环
knowledge-flywheel：聚焦跨流水线知识沉淀 + 第二大脑飞轮 + 故障牵引

两者互补： - 单个脚本级故障 → self-fix-loop - 流水线级故障 + 知识沉淀 → knowledge-flywheel

🤖 AI 评测

这个 Skill 质量中等偏上，主要问题是缺少实际可用的程序。它在知识管理框架的设计上思路清晰、讲解详细，能看出开发者对系统化思考下了功夫。但文档再详细也只是“说明书”，没有代码就意味着用户拿到手无法直接使用。需要补充完整可运行的程序才能真正发挥作用。期待后续能看到完整实现。

📊 多维度评分

适应性4

规范性4

有效性3.9

可靠性3.2

可信度4.9

📁 包含文件 (1 个)

📄 SKILL.md 4.9 KB

Knowledge Flywheel（知识飞轮框架）