Skip to content

pillumina/ascend-sleuth / skills/to-postmortem

to-postmortem

Verified

把一次或多次昇腾问题定位沉淀成知识。输入支持内联粘贴、单个/多个文件路径、或整个目录(批量导入历史案例)。提取症状/命令/root_cause/fix,检测框架给命名空间建议(批量模式一次确认),人确认,输出结构化 YAML 草稿 + postmortem.md,过语义校验和脱敏。无论知识产自哪里(本地 agent session / Kimi 网页对话 / 手工笔记 / wiki 导出),都从这里汇入——这是异构知识来源的统一入口。

To Postmortem

知识注入入口与诊断工具解耦——无论问题在哪儿定位的,都能在这里沉淀。这是 ascend-sleuth 体系里最重要的动作:不沉淀,团队下次还得重新踩坑。

输入方式

接受四种输入:

1. 内联粘贴(单条,最常用):

/skill:to-postmortem "[把 Kimi/DeepSeek 对话、或手工排查笔记粘进来]"

2. 单个文件路径(大文档,免复制粘贴):

/skill:to-postmortem ~/cases/custA/notes.md

agent 读取文件,后续流程同内联。

3. 多个文件(一次沉淀几条相关 case,各自独立成文):

/skill:to-postmortem ~/cases/custA/notes.md ~/cases/custB/hang.md

4. 目录(批量导入历史案例,如从团队 wiki 导出的记录):

/skill:to-postmortem ~/cases/wiki-export/

扫描目录下 .md/.txt,每个文件各成一条。大文件逐个处理,不全量载入 context。目录模式就是批量导入历史案例的入口——不需要单独的批量导入 skill。

5. 批量诊断会话(面板「批量沉淀」生成,或用户说"把这些 session 都沉淀了"):

/skill:to-postmortem 批量沉淀这些 session:<session-id-a>、<session-id-b>

session id 解析到 traces/<id>.yaml(traces/ 锚主检出,用 python3 scripts/shared_dir.py traces 取绝对路径);每个 session 各成一条草稿,批量确认命名空间、每单各跑语义校验(同上面的批量模式)。来源 trace 的 sedimented.state 逐单回写 submitted。

谁该进这批,先问脚本,别凭记忆:python3 scripts/sediment_batch.py 只读清点——按「已收尾 / 有报告 / 有候选」列出还没沉淀的单,同一问题的多条 session 并成一组,并打印直接可用的批量命令;--json 给起草时读(含每组的报告文件名与候选正文,不必重读全部事件)。它不改 status、不改 feedback.outcome(那两条是诊断侧的事),也不判断该不该入库。

回写一次做完:草稿落 inbox 后逐单跑 python3 scripts/trace_transition.py <session> --field sedimented --state submitted --inbox-path <草稿路径> --json,把这几单的 sedimented 置 submitted。它只动 sedimented 与 updated_at,不追加收尾记录,也不重排其余字段;写不进去时会返回明确错误码。

二进制文档(.docx/.doc/.pptx/.xlsx/.rtf/.epub)预处理:客户报告、排查记录、汇报材料常是这些格式,先取到文本再走上面四种输入。约束是不变量,不是工具——只要满足三条:①文本取自原文件(不凭标题或上下文编造)②出处可核验 ③材料不外传(客户/内部文档不上传第三方服务)。工具怎么选、能不能装,都是这三条之下的实现细节。

省事的首选(装得上就用,装不上别卡死):

npx -y @firecrawl/anydoc <file> -o <file>.md     # Node ≥ 20,首次自动下载,保留表格/公式/脚注
# 无 Node 但有 Python ≥ 3.10:
pip install firecrawl-anydoc
python -c "import anydoc,sys; print(anydoc.to_markdown(sys.argv[1]))" <file>

anydoc 或任何库都装不上(离线、无 Node/Python、版本冲突)→ 先自己找路,不要直接判失败。 已知可行的零依赖路线(这些格式本质都是 zip + XML):

  • .docx:python -m zipfile -e <file> out/(Windows 无 Python 时用 [System.IO.Compression.ZipFile]::ExtractToDirectory)后读 out/word/document.xml,按 <w:p> 段落取 <w:t> 文本拼回;out/word/media/ 是内嵌图片。
  • .pptx:ppt/slides/slide*.xml(备注在 ppt/notesSlides/);.xlsx:xl/sharedStrings.xml + xl/worksheets/sheet*.xml;.odt/.ods/.odp:content.xml。
  • 这条路拿到的文本通常够沉淀(case 要的是症状/命令/根因,不是版式);丢掉的表格结构/排版如实记进 postmortem,别假装完整。
  • 探索出的新路线跑通了,值得固化 → 收尾的伴随演进评估会看到"重复手动动作"信号并决定是否写成步骤(见 /skill:evolve-check),不要在这里自己加卡。
  • 真的都抽不出来 → 明确告诉用户"这份文件抽不出来,请转成 md 或贴文本",不静默跳过附件——附件里的报错原文正是 case 的 symptoms 证据。
  • 目录模式的扫描范围随之扩展到上述扩展名,逐份取到文本后再成条。
  • 截图:纯文本通道(anydoc 或 XML 提取)都只出文字,文档里的定位截图会被丢掉(anydoc 无占位、无告警)。.docx/.pptx/.xlsx/.odt 都是 zip,用 python -m zipfile -e <file> out/ 取 word/media/(pptx 为 ppt/media/,xlsx 为 xl/media/),再用自己的图片识别能力直接读图(模型支持图片输入时)。
  • 读不了图就如实记缺口:在 postmortem 里列「未提取的证据」清单(文件名 + 所在段落上下文 + 未识别原因),草稿标 needs-human-review。不要拿截图的标题或上下文推测报错原文——symptoms 只写文本里确有的内容。
  • 不外传:不要用 --ocr hosted(把整份文档上传第三方服务);客户材料一律本地处理。

流程

  1. 提取:从输入中抽出——
    • 症状、执行的命令和输出、排除的假设、root cause、fix
    • 级联噪声:文档中标注了“次级现象”“不需要单独分析”“误导”的症状——提取为 case 的忽略项(diagnosis 里加一条“忽略 X 级联报错,都是根因后的 noise”)。昇腾调试里极常见——一个根因级联出几十条 secondary error
    • code-patch 的 file:line:如果 fix 涉及代码改动,提取精确的 file:line(如 conn.py:31-41)。code-patch 的 file:line = env-var fix 的 export X=Y——是 fix 的可执行部分
  2. 命名空间建议:agent 检测或推断框架,给选项,人输入数字确认(约 5 秒):
    [1] training/mindspeed-llm/   (检测到 mindspeed-llm)
    [2] training/verl/            (检测到 verl)
    [3] common/                   (跨框架,或不确定)
    
    • 完全没涉及框架(纯硬件/CANN/驱动报错)→ 选项变为 [1] common/,人按回车
    • 检测到多个框架 → 按置信度排序,第一项标 (most likely)
    • 这个确认本身就是质量检查:人在 mindspeed-llm 和 common 间选,本质在自问“这问题是框架特有的还是通用的”
    • 批量模式(多个文件/目录输入时):命名空间确认改为一次批量——agent 按检测到的框架分组报告(如“12 个 mindspeed-llm、5 个 verl、3 个 common”),人一次确认或调整。语义校验仍逐个跑,失败的标 needs-structurer-review。批量模式不逐个 30 秒确认,改成抽审。
  3. 输出结构化 YAML 草稿 + postmortem.md:
    • postmortem 策略:源是混乱对话/手工笔记 → 写完整 postmortem.md(提炼+结构化);源已经是结构化文档(调查报告/issue/wiki)→ postmortem.md 只写指针(# 原文见:<source-url/path>),不重写。YAML case 草稿两种情况都照常产出。
    • 标 investigation_quality: high | medium | low——人的调查质量判断(五天详查 vs 随手记录),不是来源验证
    • 标 verification: {source: <档>, detail: <引用>}——这一档决定草稿能不能升格:自诊断的问题(带 source_session)默认要等来源 trace 闭环才会被 groom 升格(命中单看 feedback.outcome: resolved,无命中单看 status: resolved);没闭环就该如实标 investigation,并知道它会被闸门拦下(除非补强外部证据并走 owner 双签)。别为了让草稿过关而抬高档位——档位是外部证据强度,不是主观评价——来源验证状态(与 investigation_quality 区分:quality=内容判断质量,verification=外部证据强度)。档位按「来源形态」分,不按 issue 分——issue 只是外部来源之一,官方案例文档与本地闭环同样是来源:
      • upstream-fix-merged:来源是上游 issue 且关联 fix PR 已合入(references 含 pull/<n> 或确认 merged)——内容被外部验证(根因+修复代码合入),最强档;
      • upstream-official-doc:来源是上游官方发布的案例/指南文档(如框架仓库 best_practices/ 下的定位实践、官方 troubleshooting 指南),含完整定位链与验证结论——内容被上游发布验证,但无指向本问题的 fix PR;
      • upstream-maintainer-confirmed:上游 issue 维护者确认 resolution 但无 fix PR 引用;
      • investigation:本地深度排查/源码分析定位(source_ref 佐证),无上游确认;
      • engineer-report:工程师现场回报验证过(最强现场证据,rare)。 detail 记 issue/PR 号、文档路径或来源路径。无明确外部验证 → 不填 verification(如实:仅调查级)
    • 产出报告里写一行闸门预判(别让草稿静默积压):来源 session 未闭环且 verification: investigation → 明说「本单过不了 groom 的升格闸门;出路三条:等现场闭环 / 补强外部证据 / owner 双签」;已闭环 → 写「可过闸」;强证据档但未闭环 → 写「可过闸,但需 owner 双签」。groom 的闸门口径见 /skill:knowledge-groom(自诊断来源默认须闭环)。
    • 来源是上游 issue / PR 时,标 upstream: [{repo, issue|pr, url}](case 内字段,非注释)——它是外部对照自动查证(python3 scripts/verify_upstream_outcomes.py)的唯一分母:有锚点的 case 才靠上游状态自动确认「内容对不对」,没有锚点的客户侧现网问题只能等现场回报。issue 与 pr 二选一,url 写原址让人点开;只写这条 case 的来源那个,正文里顺带提到的同族 issue 不算锚点(写多个会让查证对上错的那一个)。它判断不了「现场是否解决」,那只有现场能给。
    • 标 novelty: new_pattern | variant | covered(pre-triage,对比现有 case 判定):用命中 (namespace × category) 的读侧视图 knowledge/_index/<ns>__<category>.list(一行一条 case;category 未定回退 <ns>.list;已知 namespace 时不读全库总表)按 symptoms/tags 定位候选,再全量读候选 case 本体比对 root_cause/fix——无重叠 → new_pattern;同主题不同形态 → variant(注明 variant_of:<case-id>);已有 case 覆盖 → covered(注明 covered_by:<case-id>)。给出证据(如"同算子×同网络,增量=升级修复"),groom 复核该标签而非重判
    • 标 category: interrupt | precision | performance 三选一,无 other(按症状判断——interrupt 是 hang/crash/OOM/启动失败、precision 是 NaN/数值发散/输出错误/乱码、performance 是吞吐/延迟)。分不进去 → 由人确认归入最接近的分类,不设 other
    • 标 tags(sub-type,如 oom、kv-cache、precision.convergence)
    • 根因定位到源码时(如 vllm-ascend 某文件某行),标 source_ref: {repo, ref, file, line}——repo 写 org/repo 且要能在 source-catalog.d/ 解析到;ref 用触发版本对应的 commit/tag,line 可选。源码不落库,只记代码指针(诊断按需取该版本片段)
    • 来源是诊断 session 时,标 source_session: <session_id>(case 内字段,非注释)——它是反馈结算判定「自证」的唯一依据:来源 session 自己回报的 resolve 记 self_resolved、不计入 resolved(同一份证据不数两次)。不写这个字段,结算只能退回「计入 resolved」,等于让产地自证冒充独立命中。 3.5. triage 路由同步(知识增长自动补全路由):产出 case 草稿后,检查该 case 的 symptoms 关键词能否被路由正则(triage-tree.yaml,生成物)路由到正确性质。路由分两层、加词只碰性质层:侧(训练 / 推理)由工程师的事实确定,不写进症状词;性质层是 triage-tree.d/<性质>.yaml(一性质一文件:10-interrupt.yaml / 20-precision.yaml / 30-performance.yaml),词表训推共用——所以一个新词只写一次,两侧同时生效,也不必再判断"这是训练侧还是推理侧的说法"。有合入后重建 job 的部署只改性质文件、不提交聚合:聚合 triage-tree.yaml 由主干 job 重建。没有这个 job 的部署二选一:保留旧纪律(改完跑 python3 scripts/rebuild_generated.py --check,聚合随 PR 提交),或合入后由人在 main 上跑 python3 scripts/rebuild_generated.py --sync。门是覆盖检查:源里每条症状组都得在聚合里;新文件还要在 00-protocol.md 的 sources: 里登记,否则不会被拼进聚合;同性质两人并发由 union 自动两边都留;route_check.py --wide-words 会列出"同一形态被两个性质同时认领"的词,加词前扫一眼:
    • 能 → 无需动作(路由已覆盖);
    • 不能(新形态 OOD,正则没识别)→ 在产出报告里给出路由症状建议(新正则追加到对应性质文件里该性质的 symptoms,如 "过度思考" → 20-precision.yaml),随 case PR 一并提交(structure 部分,人审确认)——triage 随知识入库增长,不靠手工补;拿不准放哪个性质 → 建议标 needs-review,groom 定夺;拿不准是不是某一侧的专属措辞(vllm serve 这类只在推理侧成立的写法)→ 同样标 needs-review:写进共用词表不会报错,但会让另一侧的同性质 case 掉到别的性质或没命中。
  4. 语义校验(关键,区别于格式校验):
    • 先跑结构校验的确定性工具:python3 scripts/verify_case_draft.py <草稿路径>——它管机械可判的那一半(YAML 可解析、必需字段非空、category/severity/fix_type 取值合法、ref_knowledge 不悬挂且指向 active 词条、quickly_check.expected 的 regex 可编译且无空分支、diagnosis 无空步)。草稿在 inbox 期间没有任何门(CI 的 build_index 只在 case 进 knowledge/ 后才解析它),所以这一步是它唯一的确定性检查点;也支持 --all 校全库。
    • regex 在输入附的真实日志片段上能否匹配
    • expected 值类型/数量级合理性
    • command_template 里的路径在已知部署模板里是否存在
    • 校验失败 → 标 needs-structurer-review(与 needs-human-review 区分:前者是格式/语义可疑,后者是语义不明)
  5. 脱敏:扫描 Bearer ...、sk-...、password=、内网 IP 段 → 替换 [REDACTED]。在人确认前,不是事后补救。这是 KB 进私有的第二道防线,第一道是 repo 可见性(见 README)
  6. 人扫一眼确认 root cause 和 fix → done(30 秒内)

产出落点

草稿落在哪个 inbox:先 python3 scripts/shared_dir.py inbox 取绝对路径(锚在主检出、跨 worktree 共写;写相对 postmortems/inbox/ 的草稿,转正时在 worktree 里读不到、清 worktree 就丢)。下面是相对仓库根的写法:

  • postmortems/inbox/<case-id>.md(postmortem 或指针)
  • postmortems/inbox/<case-id>.case.yaml(YAML 草稿)
  • 草稿 case YAML 顶层加 created_at: <ISO-8601 带时区>。它只给沉淀队列算年龄、提醒超过 2 周;升格写进 knowledge/ 时删掉,它不是 case schema 字段。
  • inbox 是待审队列(见 postmortems/inbox/README.md):每周 /skill:knowledge-groom 批处理三分类(new_pattern / variant_of / covered_by)后人审。审完:postmortem 转正 ../YYYY-QN/(covered 也转正——Tier 3 语料,不是丢弃)、new 的草稿升格 knowledge/<ns>/

同一个问题只沉淀一次——本 skill 只有新增路径、没有更新模式,重复调用不会改已有条目:

  • 闭环结果不走这里。它通过来源 trace 的 feedback 事件流转(pending → 现场确认 resolved),结算读 trace、不读 inbox 草稿,所以闭环不需要第二次沉淀、也不需要第二个 PR。
  • 再调一次只会新增草稿,且分诊时被 novelty 判成 covered_by(因为知识库已有这条)→ 被当已覆盖处理,属空转。
  • 若后来拿到更强的证据(实测对照、上游 fix PR 等),要改的是已升格 case 的 verification 档位,直接编辑该文件走知识修改流程——不经过本 skill。
  • 已经重复沉淀了:删掉 inbox 里那份重复草稿即可,别让它进 groom。

生成后明确告诉用户存哪了——报出具体路径(如 postmortems/inbox/custA-ep-hang.md)和 YAML 草稿位置,说明"周审后转正",别让工程师去找自己的产出。

写草稿时的行文:postmortem 与 case 词条都是给人读、给人审的文本,按 docs/spec/writing-norms.md 写(可选论证层,不影响本 skill 执行);本面的定制条款见该文件 §3 的「case / reference 词条」与「postmortem」两行——症状句要能直接当 grep 判据,root_cause / fix 只写结论与依据,时间线只放可观察事实。

结算与提 PR 的粒度(别每次闭环都开 PR):诊断现场回报 fix 结果后,trace 里记 feedback 事件即可(feedback.outcome: pending → 现场确认后置 resolved)。现场回报的结算与入库按周批走一次——知识整理收尾的结算步骤跑 settle_trace_feedback.py,把计数写进条目使用记录,一个知识变更 PR 覆盖当期全部变更。本地连着定位多个问题时,不要每闭环一个就提一个 PR:计数只影响候选排序(排序对时效不敏感),而结算游标是 gitignored 的共享运行时件、不进 git。理由是三条写入点的git 归属刻意不同:现场记录含客户信息故不进 git,条目使用记录是学习环的持久知识故必须入库,指标时序是周节奏的人复核汇总故不等每次反馈。

回写来源 trace 的沉淀状态(诊断闭环):若本次沉淀来源是一个诊断 trace(输入提到 traces/<session_id>.yaml,或用户从诊断面板"沉淀此案例"触发),产出草稿落 inbox 后回写该 trace 的 sedimented.state: submitted(动作发生时写,零推断)——诊断面板据此显示"已提交沉淀待审",不再重复提示沉淀。转正(knowledge/archived)由用户在面板/对话确认时更新,本 skill 不写。

收尾 evolve-check(伴随演进评估,默认执行)

先落执行记录(evolve-check 读它作现场): python3 scripts/log_skill_exec.py --skill to-postmortem --products "<case-id>(submitted),..." --reason "<一句话根因/来源>" --source <来源 skill> --tokens <估算>

草稿产出、出最终报告前,执行一次伴随演进评估(read skills/evolve-check/SKILL.md 遵循):对照它的触发条件表看本轮现场——同族沉淀满三条(记信号,不在这里归纳)、replay/Tier 3 暴露覆盖缺口、提取/校验环节有重复手动动作与流程摩擦。内容动作直接执行、不产卡: 补 case 走本流程。归纳 reference 不在这一步做——草稿还在 inbox、没升格, to-reference 的 sources[].cases 会引用一个不存在的 id(groom 拒掉那条草稿后更糟); 同族信号只写进报告,等升格后由 knowledge-groom 的 R8 提炼(那时 case id 已在 knowledge/)。 只有信号连带要求改行为面(triage 分支、skill 步骤、闸门绑定、索引形态)时,才把观察交给 python3 scripts/evolve_intake.py record …(按部署声明落卡或落台账,别直接调 ev_proposal.py --new; 产卡后接 golden/S2 验证 → 进攒批); 无信号则报告加一行"evolve-check:无演进信号"。这是流程默认收尾,不需要用户另说 "改进系统"——演进由数据触发,像人学习。产出与流程报告一并给出。

为什么是这个体系的核心

团队不能统一 agent 时,知识注入入口必须与诊断工具解耦。/to-postmortem 是这个解耦的实现——任何工具的对话都能沉淀。别期望团队成员额外写文档,agent 提取、人审批,成本从 20 分钟降到 30 秒。

reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 468kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 321kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 321kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 321kUpdated Claude CodeCodexVerifiedInstall