Personalisierungsspeicher
Verwandle wiederholte Interaktionsspuren in dauerhafte Vorlieben, ohne dass der Hauptagent anhalten und den Benutzer bei jeder Speicheraktualisierung fragen muss. Dieser Skill ist die Rückschreibeschicht für ein System, das "mit der Zeit persönlicher wird".
Skill-Verzeichnisstruktur
<installiertes-skill-verzeichnis>/
├── SKILL.md
├── references/
│ ├── trajectory-scanner.md
│ └── writeback-policy.md
└── templates/
└── preference-ledger.md
Kernvertrag
- Frage den Benutzer nicht nur, um zu entscheiden, ob eine routinemäßige Präferenz gespeichert werden soll.
- Bevorzuge kostengünstige Sidecar-Scans zur Synthese aus Logs, Trajektorien, Diffs, Sidecar-Ausgaben, Überprüfungsbündeln und Projektspeicher.
- Kopiere niemals rohe private Gespräche, rohe Logs, Anmeldeinformationen, lokale Pfade oder Nachrichten von Mitarbeitern in öffentlichen Repo-Speicher.
- Speichere die kleinste wiederverwendbare Lektion, nicht die gesamte Episode.
- Behandle Personalisierung als Aufstiegsleiter: Beobachtung -> Kandidat -> Präferenz -> Projektvertrag -> wiederverwendbarer Skill-Regel-Kandidat.
- Öffentliche Skill-Änderungen erfordern denselben normalen Repo-Validierungs-, Commit-, Push- und Neuinstallationsablauf wie andere Skill-Änderungen.
Wann verwenden
Verwende diesen Skill, wenn:
- der Benutzer sagt, dass ein Workflow personalisiert, automatisch, gespeichert oder aus Trajektorien gelernt werden sollte
- der Agent wiederholte Präferenzen bemerkt wie "frag mich nicht", "commit/push zuerst", "Overleaf-Kompilierung verwenden", "Screenshots/Seitenbündel bevorzugen", "Sidecar für risikoarme Scans verwenden"
- ein anderer Skill sinnvolle Arbeit abgeschlossen hat und es wiederverwendbare Workflow-, Schreib-, Figuren-, LaTeX-, Git-, Überprüfungs- oder Rechenlektionen gibt
- Codex- oder Claude-Code-Trajektorielogs in Kandidatenpräferenzen gescannt werden sollen
- Projektspeicher private Benutzerfakten von gemeinsamen Projektverträgen und öffentlichen Skill-Regeln trennen muss
Kombiniere mit sidecar-task-runner für den kostengünstigen Scan und mit research-project-memory, wenn akzeptierte Schlussfolgerungen auf Projektebene memory/ aktualisieren müssen.
Progressives Laden
- Lese
references/writeback-policy.md, bevor du entscheidest, wohin eine Präferenz gehört. - Lese
references/trajectory-scanner.md, bevor du einen Sidecar-Scan über Logs, Trajektorien, Sidecar-Artefakte oder Repo-Verlauf startest. - Verwende
templates/preference-ledger.md, wenn ein Projekt kein Präferenz-Ledger besitzt.
Arbeitsablauf
- Sammle Artefakteingaben. Bevorzuge bereinigte Artefakte:
memory/, aktuellesgit diff,.agent/sidecars/*/decision.md,.agent/code-reviews/*/fix-log.md,.agent/layout-issues/*/manifest.md, Papier/Code.agent/-Zustand und explizite benutzerdefinierte Präferenzen in der aktuellen Aufgabenübersicht. - Führe einen kostengünstigen Scan durch, wenn nützlich. Verwende
sidecar-task-runnermit dempersonalization-scanner-Preset für nichttriviale Verlaufs- oder Trajektorienscans. Der Scanner gibt Kandidaten aus; er darf nicht direkt den Speicher bearbeiten. - Klassifiziere jeden Kandidaten. Weise Geltungsbereich zu:
private-user,project,public-skill-candidateoderdiscard. Weise Typ zu:workflow,writing,layout,figure-style,code-review,git,compute,toolchainodercollaboration. - Wende Vertrauensschwellen an. Eine beobachtete Episode kann zu einer Lektion werden. Wiederholte Episoden oder explizite Benutzerformulierungen können zu einer Präferenz werden. Projektverträge benötigen projektspezifische Beweise. Öffentliche Skill-Regeln benötigen Verwalterabsicht oder wiederholte projektübergreifende Beweise.
- Schreibe in die richtige Ebene. Verwende das Routing aus
references/writeback-policy.md. Schreibe kurze Einträge mit Datum, Quellartefakt, Vertrauen und Zielbereich. - Berichte nur die nützliche Zusammenfassung. Teile dem Benutzer mit, was gespeichert oder welche Kandidaten zurückgestellt wurden. Frage nicht nach Bestätigung, es sei denn, der nächste Schritt würde private oder öffentliche Richtlinien veröffentlichen.
Standardziele
- Private Benutzerpräferenzen: der private Speicherbereich des aktuellen Agenten, z. B.
~/.codex/memories/, insbesondere für Workstation-Fakten, Tool-Aliase, lokale Pfade, bevorzugten Interaktionsstil und persönliche Workflow-Standardeinstellungen. - Projektpräferenzen:
memory/,paper/.agent/,code/.agent/oderslides/.agent/, insbesondere für Verträge, die von allen Agenten im Projekt geteilt werden. - Lokale Scan-Artefakte:
.agent/sidecars/<aufgaben-id>/oder.agent/personalization/<lauf-id>/; behalte sie unverfolgt, es sei denn, sie werden bereinigt und absichtlich committet. - Öffentliche wiederverwendbare Skill-Regeln:
skills/<skill-name>/SKILL.mdoderskills/<skill-name>/references/nur während einer expliziten Skill-Wartungsaufgabe.
Kandidatenaufzeichnung
Verwende prägnante Aufzeichnungen:
- Präferenz: <ein wiederverwendbares Verhalten>
- Geltungsbereich: private-user | project | public-skill-candidate | discard
- Typ: workflow | writing | layout | figure-style | code-review | git | compute | toolchain | collaboration
- Nachweis: <Artefaktpfad oder zusammengefasste Benutzeraussage>
- Vertrauen: observed | repeated | user-stated | inferred
- Ziel: <Speicherdatei oder Skill-Datei>
- Aktion: write | defer | promote | reject
Sicherheitsregeln
- Speichere keinen privaten rohen Trajektorientext, wenn eine abgeleitete Regel ausreicht.
- Fördere keine mitarbeiterspezifischen Kommentare, Sprachtranskriptionen, Screenshots oder lokalen Dateipfade in öffentliche Skills.
- Erlaube einem Sidecar nicht, endgültigen öffentlichen Speicher ohne Hauptagentenüberprüfung zu schreiben.
- Wenn ein Kandidat mit bestehendem Speicher in Konflikt steht, markiere ihn als
candidateund hinterlasse eine kurze Notiz, anstatt die ältere Regel zu überschreiben. - Wenn eine Präferenz externes Verhalten ändern würde, wie z. B. Pushen, Taggen, Veröffentlichen, Einreichen von Jobs oder Veröffentlichen von Issues, zeichne die Präferenz auf, behalte jedoch die bestehende menschliche Hürde bei.