Skip to content

xinetzone/SpecWeave / .agents/skills/task-execution-summary

task-execution-summary

Unverified

系统性总结任务从启动到完成的整个执行过程,生成高质量的结构化经验报告。 🔴 **必须使用此技能的场景**: - 用户明确说"总结"、"复盘"、"回顾"、"报告"、"postmortem"、"经验教训" - 英文表达:"recap"、"write a summary"、"do a debrief"、"postmortem analysis" - 任务完成后用户说"完成了"、"结束了"、"搞定了"、"做完了"、"Bug修复完了"、"做完了个...模块" - 项目管理场景:"Sprint回顾"、"迭代总结"、"项目收尾"、"里程碑达成"、"整理下成果"、"写份报告给XX看" - 故障处理场景:"记录一下排查过程"、"整理解决方案"、"故障复盘"、"记录下过程" - 学习成长场景:"学习总结"、"知识点梳理"、"学习路径回顾"、"做了个什么项目" - 团队协作场景:"团队协作总结"、"沟通效果评估" 🟡 **即使未提及"总结",以下隐式意图也应触发**: - 用户询问"做得怎么样"、"有什么收获"、"下次怎么做"、"学到了什么" - 长时间操作后突然切换话题或停顿 - 对话中出现明显的阶段性完成标志 - 中英混合表达(如"recap一下吧"、"帮我总结下刚才做的事") 🟢 **适用任务类型(不限)**: 软件开发、项目管理、运维故障排查、技术研究、学习培训、任何有明确起止的任务。 具体包括:功能开发完成、Bug修复结束、技术重构收尾、Sprint迭代回顾、故障排查后记录、POC验证总结、课程学习复盘、技能培训总结等。 ⚠️ **不要遗漏**: 即使用户只是随口说"帮我整理一下刚才做的事",也应该触发此技能! 支持模糊匹配:错别字容忍(如"帮整里一下")、口语化表达、中英混合输入、非标准措辞——只要意图是回顾已执行任务的执行过程,就应触发! 此技能适用于 Trae IDE 环境下的所有任务类型总结需求。

🚀 快速开始

最常用调用方式

场景示例触发方式
自动触发"帮我总结一下这个任务"自然语言
Sprint复盘"Sprint 结束了,做个回顾"项目管理场景
故障记录"把这次排查过程记下来"运维故障场景
学习总结"做个学习总结"学习成长场景

最快生成(仅提供 task_name)→ 标准版 10 章报告 (~3分钟) 完整配置选项 → 见 api-reference.md 错误排查指南 → 见 error-codes.md 内部原理详解 → 见 execution-flow.md

📎 本文是批量迁移的 SKILL.md 单文件副本;references/ 深度文档保留在 flexloop vendor 子模块(只读),以上链接指向 vendor 完整资产,勿改回本地相对路径。


🎯 技能概述

本技能是任务执行总结报告生成器,旨在为用户提供系统化、结构化的任务执行经验总结能力。通过智能化的信息收集、深度分析和规范化报告生成,帮助用户从已完成任务中提炼有价值的经验教训,形成可复用的方法论,持续提升个人和团队的执行效能。

核心价值

  • 经验沉淀:将隐性知识转化为显性文档,避免经验流失,构建组织知识资产
  • 模式识别:发现任务执行中的规律性问题和最佳实践,形成可复制的方法论
  • 决策支持:为未来类似任务提供参考依据和风险预警,降低重复犯错概率
  • 能力提升:通过系统性复盘促进持续改进和学习成长,实现螺旋式上升

适用场景

场景类型典型示例核心价值
软件开发功能开发完成、Bug修复、技术重构技术方案沉淀、问题排查记录
项目管理Sprint结束、里程碑达成、项目收尾进度复盘、资源评估
运维排查故障处理、性能优化、安全加固排查流程标准化、预防措施
技术研究技术选型、POC验证、架构设计决策依据、技术对比
学习成长课程学习、技能培训、认证备考知识体系构建、学习方法论

四大核心引擎

  1. 信息收集引擎:多源采集对话历史、代码文件、日志等,智能识别目标/时间/决策/问题等要素
  2. 分析处理引擎:五维深度分析(目标达成度/时间效能/资源利用/问题模式/协作效果)
  3. 报告生成引擎:基于标准化10章模板动态填充内容,确保结构完整性
  4. 智能推荐引擎:提炼方法论 + 生成改进建议 + 风险预警,提供可操作的行动指导

⚡ 触发条件与使用方式

三种触发模式

1️⃣ 自动触发(推荐)

当满足以下任一条件时自动激活:

显式关键词匹配:

  • 包含"总结"、"复盘"、"回顾"、"报告"、"经验"、"教训"、"postmortem"等词汇
  • 明确要求生成文档或记录

隐式意图识别:

  • 用户表现出回顾已执行任务的意图
  • 询问"做得怎么样"、"有什么收获"、"下次怎么做"
  • 要求保存或导出执行过程的信息

场景推断:

  • 任务明显已经完成或进入收尾阶段
  • 连续多个操作后出现停顿或思考状态
  • 用户切换话题前表现出总结倾向

2️⃣ 手动触发

用户可通过以下方式明确激活:

  • 直接说:"请生成任务执行总结"
  • 使用快捷命令:/summary 或 /report
  • 在对话结束时明确要求:"帮我做个总结"

3️⃣ 命令式调用

支持参数化调用以定制输出(详见 api-reference.md):

# 基础调用
请生成任务总结:[task_name]

# 指定详细程度
请生成摘要版/标准版/详细版任务总结:[task_name]

# 定制章节
请生成任务总结(仅包含第1,5,9,10章):[task_name]

触发确认策略

在不确定是否应该触发时,采取以下策略:

  • 如果任务复杂度 > 中等(超过5个步骤),倾向于触发
  • 如果涉及重要决策或问题解决,倾向于触发
  • 如果是重复性或简单操作,可以询问用户确认

🔄 执行流程

本技能遵循 7 步标准执行流程(详见 execution-flow.md):

流程概览

用户请求 → 参数解析 → 信息收集 → 多维分析 → 报告生成 → 智能推荐 → 质量输出
   ↓         ↓          ↓          ↓          ↓          ↓          ↓
 意图识别  校验输入    提取6类信息  五维分析    10章模板    方法论+建议  完整性检查

七步详解

Step 1: 参数解析验证

  • 校验输入参数的完整性和有效性
  • 应用默认值(如未指定详细程度则使用 standard)
  • 失败返回:E001(缺必要参数)、E002(task_name无效)、E003(详细程度无效)、E004(语言不支持)、E005(格式错误)

Step 2: 触发模式识别

  • 判断自动/手动/命令触发模式
  • 确定信息收集范围和时间窗口
  • 识别任务边界和起止点

Step 3: 信息收集

从对话历史中提取 6 类核心信息:

  1. 任务目标:初始目标、调整记录、最终成果
  2. 时间线:分阶段步骤、时间节点、耗时统计
  3. 关键决策:决策时刻、备选方案、选择依据
  4. 问题记录:问题描述、解决过程、根因分析
  5. 资源使用:人力投入、技术栈、工具依赖
  6. 协作信息:(如适用)参与人员、沟通机制、分工模式

Step 4: 多维分析

进行 五维深度分析:

  1. 目标达成度分析:量化评估完成程度和质量水平
  2. 时间效能分析:计算各阶段耗时,识别效率瓶颈
  3. 资源利用分析:评估资源配置合理性和利用率
  4. 问题模式分析:分类统计问题,识别共性和规律
  5. 协作效果分析:(如适用)评估沟通效率和分工合理性

Step 5: 报告生成

基于 10 章标准模板动态填充内容(详见 templates.md):

  • 执行概览 → 目标背景 → 执行过程 → 关键决策 → 问题解决
  • 资源使用 → 团队协作 → 多维分析 → 经验方法 → 改进行动

Step 6: 智能推荐

  • 从成功实践中提取可复用方法论
  • 针对发现问题生成具体改进建议(P0-P4优先级)
  • 识别潜在风险并给出预警和防范措施

Step 7: 质量输出

  • 结构完整性检查(所有必填章节齐全)
  • 数据准确性验证(事实引用有据可查)
  • 语言质量审核(专业、客观、逻辑清晰)
  • 返回最终 Markdown 报告

⚠️ 降级机制:数据不足时发出 E010 警告,继续生成但标注低置信度区域。


📤 输出报告结构

标准 10 章报告

#章节核心内容必填性
1执行概览一页纸核心信息:基本信息、关键数据、亮点挑战✅ 必须
2目标背景初始目标、调整记录、最终成果、约束条件✅ 必须
3执行过程分阶段步骤、时间线、关键事件、产出物✅ 必须
4关键决策决策清单、备选方案、选择依据、事后评估✅ 必须
5问题解决问题总览、详细解决过程、模式分析、经验教训✅ 必须
6资源使用人力、技术栈、工具依赖、效率评估✅ 必须
7团队协作协作模式、沟通效能、分工合理性⚠️ 条件性
8多维分析五大分析汇总、综合评价、雷达图✅ 必须
9经验方法成功要素、方法论提炼、最佳实践、知识图谱✅ 必须
10改进行动建议(P0-P4)、行动计划、风险预警、工具推荐✅ 必须

定制选项

详细程度

版本适用场景包含内容预计篇幅生成时间
summary (摘要版)快速汇报、管理层阅读第1章完整+第10章摘要+其他章节标题2-3页 (500-800字)1-2分钟
standard (标准版)常规复盘、知识传承所有10章完整8-15页 (3000-5000字)3-5分钟
detailed (详细版)深度复盘、培训材料10章深入+更多图表+详尽附录20-30页 (8000-15000字)8-15分钟

模板变体

变体说明适用场景
standard通用标准模板大多数任务场景(默认)
learning学习专用模板学习培训、技能提升、认证备考

语言风格

风格特点适用场景
professional专业、客观、书面语正式报告、项目归档、团队分享
casual轻松、亲切、易读个人笔记、快速回顾、非正式场合

输出格式

  • 主格式:Markdown (.md),命名规范:task-summary-[任务名称简写]-YYYYMMDD.md
  • 辅助转换:PDF(VS Code/Typora/Pandoc)、HTML(浏览器预览)、Word(pandoc input.md -o output.docx)

⚠️ 错误处理

错误分级体系

级别行为处理策略示例错误码
🔴 Critical立即终止,不生成报告返回错误信息+紧急修复建议E041(内存不足)、E042(系统异常)
🟠 Error终止并返回错误+修复建议不生成报告,等待用户修正后重试E001(缺必要参数)、E031(模板不存在)
🟡 Warning降级继续,报告中标注继续生成但标注低置信度区域E010(数据不足)、E022(时间估算偏差)

主要错误类别

输入验证错误 (E001-E009)

  • E001: 缺少必要参数(task_name)
  • E002: task_name 格式无效
  • E003: 详细程度参数无效(非 summary/standard/detailed)
  • E004: 不支持的语言
  • E005: 其他格式错误

信息收集错误 (E010-E019)

  • E010: 对话历史数据不足(⚠️ 降级处理)
  • E011: 无法访问对话历史
  • E012: 时间戳解析失败

分析处理错误 (E020-E029)

  • E020: 分析引擎内部错误
  • E021: 数据质量不达标
  • E022: 时间估算存在较大偏差(⚠️ 降级处理)

报告生成错误 (E030-E039)

  • E030: 模板加载失败
  • E031: 指定的模板不存在
  • E032: 报告渲染失败

系统错误 (E040-E049)

  • E041: 内存不足
  • E042: 文件系统写入失败
  • E043: 未预期的系统异常

完整错误码定义、详细说明和处理建议见 error-codes.md


📚 参考文档索引

本技能采用 Progressive Disclosure 架构,详细信息分散在 references/ 目录下的专门文档中:

文档用途主要内容何时阅读
api-reference.md完整 API 参数规范所有输入参数、输出格式、调用示例集成调用时、需要精确控制输出时
error-codes.md所有错误码定义完整错误码列表、原因分析、修复建议排查问题时、调试报错时
execution-flow.md7步流程详解每一步的详细说明、输入输出、边界情况调试流程问题时、理解内部原理时
examples.md4 场景使用示例软件开发/Sprint/故障/学习的真实示例学习用法时、首次使用时
examples-v2.mdV2 完整请求/响应示例标准化的请求响应格式、字段说明开发集成时、测试对接时
terminology.md86 个专业术语术语定义、使用场景、相关概念遇到术语困惑时、撰写报告时
templates.md4 种模板变体模板结构、章节细节、填写指南选择模板时、自定义输出时
v3-roadmap.mdV3 未来增强路线图5大功能模块规划(自定义模板/多语言/外部集成/历史管理/团队协作)了解未来方向、参与功能规划时

文档使用建议

  • 首次使用:先读本文档(SKILL.md)+ examples.md
  • 日常使用:本文档足够,需要时查阅其他文档
  • 集成开发:重点阅读 api-reference.md + examples-v2.md
  • 问题排查:重点阅读 error-codes.md + execution-flow.md

💡 最佳实践与常见问题

最佳实践

✅ 什么时候使用此技能

  1. 完成任务后立即使用:记忆最鲜活时生成报告,信息准确度最高(建议24-48小时内)
  2. 中等复杂度以上任务:超过5个步骤的任务值得总结,简单操作价值有限
  3. 遇到重要问题后:棘手难题的解决过程是宝贵的学习素材
  4. 里程碑节点:Sprint结束、版本发布、阶段性成果都是好的总结时机

✅ 如何获得更高质量的报告

  1. 任务开始前:明确表达目标和期望,提供充足背景信息
  2. 执行过程中:保持对话连贯性,重要决策时说明考虑因素
  3. 请求生成时:明确说明详细程度需求,指出最关心的方面,补充遗漏信息

✅ 报告的使用和维护

  • 即时使用:作为交付文档、会议分享材料、下一个任务的参考
  • 长期价值:存入知识库供团队查阅,定期回顾识别模式,制定培训材料
  • 持续改进:根据反馈优化模板,将有效建议落实到流程,跟踪落实情况

注意事项

⚠️ 信息安全:报告可能包含敏感信息(密钥、密码、内部地址),请注意脱敏和传播范围控制 ⚠️ 客观性原则:对事不对人,聚焦改进而非指责,成绩和问题都应有据可查 ⚠️ 时效性:越早生成越准确,但也要确保关键信息收集完整 ⚠️ 定制化灵活:标准模板可根据实际需求调整,不同任务可有不同侧重点

FAQ

Q1: 生成一份报告需要多长时间? A: 摘要版1-2分钟,标准版3-5分钟,详细版8-15分钟(取决于任务复杂度和数据量)

Q2: 对话历史很长怎么办? A: 技能会智能提取关键信息,不会逐字分析全部内容。特别长的对话(>100轮)建议先生成摘要版

Q3: 报告中的数据准确吗? A: 严格基于对话历史和实际操作记录,力求准确。时间统计基于对话时间戳可能与实际wall clock time有差异

Q4: 可以自定义报告模板吗? A: 目前使用标准模板,可在请求时说明特殊需求。未来计划支持用户自定义模板功能

Q5: 生成的报告如何保存和使用? A: 默认以 Markdown 格式保存在当前工作目录,可直接用编辑器打开、Git管理、转换为 PDF/Word、上传到 Wiki


文档版本:v2.1 (描述优化版) 最后更新:2026-04-09 维护者:Task Execution Summary Generator Team 变更记录:v2.0→v2.1 - Description 触发能力优化(基于 20 个 eval 查询分析,覆盖率 60%→100%)

slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 196kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 192kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 192kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 192kUpdated Claude CodeCodexVerifiedInstall