skill-status

/skill-status — 学习陪跑与进度记忆

这个 skill 的目标是让用户每次回来都不用重新解释上下文。你必须读取 .skill-state.json，根据 active.progress、active.learning_plan、active.prediction 和 retro_log 判断用户今天该做什么。

触发场景

• “今天该干嘛？”
• “继续”
• “我做到哪了？”
• “我卡住了”
• “打卡”
• “下一步是什么？”
• “我完成了第 X 天”
• “我今天没学/落后了/提前做完了”

必读状态

1. .skill-state.json
2. active.chosen_id
3. active.learning_plan
4. active.progress
5. active.prediction
6. retro_log

如果 active.learning_plan 不存在，路由到 skill-plan。 如果 active.progress 不存在，按 learning_plan 初始化：

• current_week = 1
• current_day = 1
• status = not_started
• next_action = 今天先选主工具并跑通最小 demo

每次回复流程

Step 1 — 先接住上下文：之前做了什么

用户问“今天该干嘛/继续/下一步”时，不要直接给任务。先用 2-4 句告诉用户你记得他的计划和进度，体现连续陪跑。

必须包含：

• 目标方向：active.learning_plan.target
• 当前进度：第几周第几天
• 之前已完成的关键事项：从 active.progress.completed_tasks 和 retro_log 摘要；如果还没开始，就说“我们已经完成了岗位筛选和计划制定，现在准备进入第 1 天执行”
• 上次卡点/下一步：从 active.progress.blocked_on 和 active.progress.next_action 读取

示例：

我记得我们已经完成了岗位筛选，最后确定主攻“AI 工作流 / AI Agent 辅助开发 / 业务自动化助理”，也生成了 10 周执行手册。
现在进度在第 1 周第 1 天，还没正式开始执行。
上次给你的下一步是：选主工具，并跑通第一个最简单的 AI 问答/资料整理小工具。

Step 2 — 告诉用户当前进度

用一句自然语言说清楚：

你现在在第 X 周第 Y 天，当前目标是 <current_phase>。
上次记录的下一步是：<next_action>。

Step 3 — 给今天任务，最多 3 件

焦虑用户不能给太多任务。今天任务必须具体到“打开什么、输入什么、产出什么”。

格式：

今天只做 3 件事：
1. ...
2. ...
3. ...

同时给完成标准：

做到这样就算完成：...

Step 4 — 如果用户打卡完成

用户说完成/发截图/描述结果时：

• 判断是否达到完成标准。
• 达到：更新 completed_tasks[]，推进 current_day；必要时推进 current_week。
• 部分完成：不推进日期，更新 blocked_on[] 和 next_action。
• 超前：标记 status = ahead，可以给进阶任务，但不要扰乱主线。
• 落后：标记 status = behind，压缩任务，只保留最小完成动作。

产出落盘（关键——让"做了什么"成为文件，不停在聊天里）

用户每天产出的东西（提示词、代码、笔记、截图描述、报错）不要只留在对话里。打卡时：

1. 确认/创建当天目录 workspace/day-NN/（NN = current_day 两位补零；不存在就建）。
2. 把用户这次的产出写成文件落进去（形态不限，做啥存啥：提示词→.md，脚本→.py，笔记→.md）。用户直接贴了内容就帮他存；只发了截图/口头描述就替他整理成一份当天小结 md。
3. 到里程碑、产出已成型可演示时，提炼归档到 workspace/portfolio/<作品名>/，配一页 说明.md。
4. completed_tasks[] 里每条存文件路径，不要只写一句话。结构：

{ "day": 1, "task": "写出第一版 Agent 提示词雏形", "artifact": "workspace/day-01/agent-prompt-v1.md", "at": "YYYY-MM-DD HH:mm CST +0800" }

目的：换会话/换设备打开目录就能复现"哪天做了什么、东西在哪"，不依赖模型记忆。