# 调研专题：对话历史蒸馏为 Skill

> 日期：2026-05-26
> 状态：方案已确认，待执行
> 发起人：主公
> 执行人：诸葛亮（调度）+ 庞统/司马懿（数据源）

---

## 1. 背景

庞统和司马懿积累了大量对话历史（共 ~2GB JSONL），其中包含丰富的实践经验——用户纠正、反复试错、成功模式、协作流程等。这些经验目前只埋在历史对话里，每次遇到类似问题还要重新沟通、重新纠正。

**目标**：从历史对话中批量蒸馏经验，形成结构化 Skill，供所有将军直接使用。

**Skill 存放位置**：`~/.openclaw/sanguo_projects/sanguo_moziplus_v2/skills/`（开发目录，部署位置待定）

---

## 2. 数据源全貌

| 数据源 | 位置 | 规模 | 价值 |
|--------|------|------|------|
| 庞统 JSONL | `~/.openclaw/agents/pangtong-fujunshi/sessions/` | 961 文件, 1.2G | ⭐⭐⭐ 最丰富，含完整 tool 调用链 |
| 司马懿 JSONL | `~/.openclaw/agents/simayi-challenger/sessions/` | 410 文件, 751M | ⭐⭐⭐ 代码评审经验 |
| Sanguo Mail | `~/.sanguo_projects/sanguo_mail/mail/` | 80 封邮件, 404K | ⭐⭐ 协作流程和决策记录 |
| 各将军 MEMORY.md | `workspace-*/MEMORY.md` | 庞统 ~80 行, 司马懿 ~30 行 | ⭐⭐ 已沉淀的经验（可直接用） |
| 诸葛亮 MEMORY.md | `~/.openclaw/workspace/MEMORY.md` | ~150 行 | ⭐⭐ 全局经验 |

**合计**：约 2GB JSONL + 80 封邮件 + 若干 MEMORY/notes

### JSONL 数据格式说明

OpenClaw 的 JSONL 格式（v3）：

```json
// 每行一个 JSON 对象，type 字段区分
{"type": "session", "id": "...", "timestamp": "...", "cwd": "..."}  // 会话开始
{"type": "model_change", "provider": "zhipu", "modelId": "glm-5.1"} // 模型信息
{"type": "message", "message": {"role": "user/assistant", "content": [...]}} // 消息
```

消息内容（`message.content`）为数组，每项：
- `{"type": "text", "text": "..."}` — 文本
- `{"type": "tool_use", "name": "...", "input": {...}}` — 工具调用
- `{"type": "tool_result", "content": "..."}` — 工具返回

另有 trajectory JSONL（含 `traceSchema: openclaw-trajectory`），格式略有不同但同样包含完整的消息流。

---

## 3. 扫描模式（6 种）

来自业界研究 + 三国团队实践整合：

| # | 模式 | 信号特征 | 蒸馏价值 | 理论来源 |
|---|------|---------|---------|---------|
| ① | **纠正模式** | 用户消息含"不对/错了/不要/停/我说的不是" | ⭐⭐⭐ 最高 | Trace2Skill（失败轨迹分析）、Hermes self-improvement |
| ② | **反复试错模式** | 同一任务 3+ 次连续 tool call 失败后成功 | ⭐⭐⭐ | AgenTracer（反事实归因）、SkillRL（失败教训蒸馏） |
| ③ | **成功模式** | 复杂任务（5+ tool calls）一次成功 | ⭐⭐ | Hermes（5+ tool calls 自动保存 skill） |
| ④ | **协作模式** | Sanguo Mail 往来、agent 间 send_message | ⭐⭐ | 三国团队实践 |
| ⑤ | **决策分歧模式** | 用户说"先不要"/"方案"/"等等"后 Agent 调整方向 | ⭐⭐ | 三国团队实践——Agent 学会"什么时候该问不该做" |
| ⑥ | **经验声明模式** | Agent 自发总结"以后应该XX"/"这个方法好" | ⭐⭐ | 三国团队实践——Agent 自己的经验判断，常被遗忘 |

### 理论参考

| 论文/项目 | 核心思路 | 我们的借鉴点 |
|-----------|---------|-------------|
| **Trace2Skill** (2603.25158) | 并行子 Agent 分析多条 trajectory，提取局部经验，归纳合并为统一 Skill | 批量处理 + 归纳合并的思路 |
| **Hermes Curator** (v0.12) | 后台 Agent 定期评分/合并/修剪 Skill 库（7 天周期） | 长期维护机制 |
| **SkillRL** (aiming-lab) | 成功轨迹→战略模式，失败轨迹→简明教训 | 双向蒸馏（成功+失败） |
| **AgenTracer** (2509.03312) | 反事实回放定位失败轨迹中的关键错误步骤 | 精确归因"错在哪" |
| **Hermes self-improvement** | 复杂任务（5+ tool calls）后自动保存 Skill | 触发阈值设计 |

---

## 4. 提炼流程（5 步）

### Step 1: 分类扫描

**输入**：所有 JSONL 文件 + Sanguo Mail + MEMORY.md
**方法**：Python 脚本遍历，按 6 种模式的关键词和结构特征标记片段
**产出**：带标签的片段索引

```python
# 纠正模式信号词
CORRECTION_SIGNALS = [
    "不对", "错了", "不要", "停", "我说的不是", "不是这个意思",
    "重新来", "重来", "别这样", "不要这样", "你再看看",
    "no", "wrong", "stop", "not what I meant", "redo"
]

# 试错模式：连续 3+ 次 tool_result 含错误信息
# 成功模式：5+ tool_use 且最终用户满意（无纠正信号）
# 协作模式：send_message / Sanguo Mail 引用
# 决策分歧：用户消息含"先不要"/"方案"/"等等"/"确认"
# 经验声明：Agent 消息含"以后"/"应该"/"建议"/"经验"
```

### Step 2: 片段提取

**输入**：片段索引
**方法**：按标签提取上下文窗口（纠正/试错前后各 5 轮对话）
**产出**：候选经验片段集合（预计几百条）

### Step 3: LLM 归纳（sub-agent 并行）

**输入**：按模式分组的片段集合
**方法**：每个 sub-agent 处理一批同类片段，输出经验卡片
**产出**：经验卡片（格式如下）

```yaml
# 经验卡片格式
场景: "什么情况下遇到"
做法: "正确的处理方式"
关键细节: "容易踩的坑"
反面教训: "错误做法及后果"
来源: "agent名/session-id/行号"
置信度: "high/medium/low"
```

### Step 4: 合并去重 → Skill 初稿

**输入**：经验卡片集合
**方法**：同类卡片合并为 Skill 文件，遵循 SKILL.md 标准结构
**产出**：若干 SKILL.md 初稿

### Step 5: 主公审阅

**输入**：Skill 初稿
**方法**：展示给主公，确认/修改后放入 `~/.openclaw/sanguo_projects/sanguo_moziplus_v2/skills/`
**产出**：正式 Skill 文件

---

## 5. 预期产出 Skill

| Skill | 主要来源模式 | 说明 |
|-------|------------|------|
| `mozi-task-creation-guide` | ①② | 创建 mozi 任务时的避坑指南 |
| `code-review-checklist` | ③④ | 司马懿的评审模式总结 |
| `agent-collaboration-patterns` | ④⑤ | 将军间协作最佳实践 |
| `requirement-clarification-patterns` | ⑤ | 什么时候该问、怎么问 |
| `error-recovery-patterns` | ② | 常见错误和恢复方式 |
| `coding-anti-patterns` | ① | 编码中常犯的错误 |

> 以上为预判，实际产出取决于扫描结果。

---

## 6. 执行计划

| 阶段 | 内容 | 负责人 | 状态 |
|------|------|--------|------|
| 调研 | 本文档 | 诸葛亮 | ✅ 完成 |
| Step 1 | 编写扫描脚本 + 运行 | 诸葛亮 → sub-agent | ⏳ 待执行 |
| Step 2 | 片段提取 | sub-agent | ⏳ 待执行 |
| Step 3 | LLM 归纳 | sub-agent（并行） | ⏳ 待执行 |
| Step 4 | 合并为 Skill 初稿 | 诸葛亮 | ⏳ 待执行 |
| Step 5 | 主公审阅 | 主公 | ⏳ 待执行 |
| Step 5 | 主公审阅 | 主公 | ⏳ 待执行 |

---

## 7. 长期机制（Curator）

蒸馏完成后，需要建立持续改进机制（参考 Hermes Curator）：

- **触发条件**：每次复杂任务完成后，Agent 自动判断是否值得保存
- **周期清理**：定期检查 Skill 使用频率，淘汰僵尸 Skill
- **使用中改进**：使用 Skill 时发现过时立即 patch

这部分待 Skill 体系建立后落地。