Install
openclaw skills install @mayf3/learning-review学用结合的回顾机制。包含五个回顾环节:学后复盘(每次学完)、周内化(每周一次)、应用检查(每两周一次)、压缩归档(每月一次)、知识落地(每周一次)。将学习成果转化为 Agent 实际工作能力,防止"学完就忘"。 触发词:"回顾", "复盘", "内化", "学习回顾", "learning review", "retrospective", "知识落地", "压缩归档"。 Not for: 首次学习新知识(用 daily-learning)、非学习类的定期回顾。
openclaw skills install @mayf3/learning-review学完不是终点,用上才是。本 skill 是 daily-learning 的配套闭环,确保学到的知识变成 Agent 的日常工作能力。
依赖 daily-learning 的标准目录结构。如 learning/reviews/ 不存在:
mkdir -p <workspace>/learning/reviews/{post-learning,weekly,application,archive,integration}
时机:daily-learning Step 5 完成后立刻执行 | 耗时:3-5 分钟
learning/reviews/post-learning/YYYY-MM-DD.md核心是回答三个问题:直接能用什么?待内化什么?遗留什么问题? "直接能用"必须具体到场景,不能写废话。
模板见 references/templates.md → 模式 A
时机:每周一次(建议周日),cron 触发 | 耗时:10-15 分钟
learning/notes/ 所有笔记learning/reviews/post-learning/ 复盘报告learning/reviews/weekly/YYYY-Www.md内化判断三问:改变了我怎么做事?→ AGENTS.md | 给了新工具/方法?→ TOOLS.md | 改变了怎么想问题?→ SOUL.md。三个都"没有"则不到内化时机。
模板见 references/templates.md → 模式 B(含内化动作对照表、各角色侧重点)
关键原则:内化不是复制粘贴,是用自己的话重写成行动指南。"我知道了" → "我改变了行为" 才算内化。
时机:每两周一次,cron 触发 | 耗时:10-15 分钟
memory/*.md 和 learning/notes/*.mdlearning/reviews/application/YYYY-MM-DD.md关键原则:对自己诚实,应用率是诊断工具不是 KPI。"未能应用"原因——"不适用"说明学偏了,"忘了"说明内化不够。
模板见 references/templates.md → 模式 C
时机:每月一次,cron 触发 | 耗时:10-15 分钟
references/<topic>.md详见 references/<topic>.md)learning/notes/ 移至 learning/archive/判断标准:连续 3 次回顾都没被用到的信息 → 移出 inline。
时机:每周一次,在模式 B 之后执行,或独立触发 | 耗时:5-10 分钟
目的:确保学习不只停留在笔记层面,而是落地到行为准则或工作流程中。
| 判断 | 行动 |
|---|---|
| 能落地到 AGENTS.md | 更新行为准则/认知/规则 |
| 能优化某个 Skill | 找到对应 Skill 文件,修改流程/步骤 |
| 暂时无法落地 | 标记"待验证",下次回顾再检 |
| 纯知识储备 | 不强制落地,保持现状 |
learning/reviews/integration/YYYY-MM-DD.md关键原则:不是每条知识都必须落地。但连续两周没有任何知识落地 → 学习方向或深度有问题。Skill 优化是最高价值的落地。
模板见 references/templates.md → 模式 E
学后复盘(模式 A)应作为 daily-learning 的新 Step 5.5 自动触发。建议在 daily-learning 的 cron 描述中追加:
6. 执行学后复盘(learning-review skill 模式 A),保存到 learning/reviews/post-learning/
所有模式的 cron 模板见 references/cron-templates.md。
每季度末由人类或 learning-expert 发起:汇总 reviews/weekly/ 和 reviews/application/ 报告,统计季度学用转化率,识别持续"学了没用"的领域,输出下季度学习建议。暂不自动化。