Learning Evolution
为技能创建基于证据的学习复盘，分析使用模式并规划演进。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Learning Evolution。 它的用途是：为技能创建基于证据的学习复盘，分析使用模式并规划演进。 完整的 Skill 内容见：https://321skill.com/skills/learning-evolution-x-6/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“请为我开发的‘智能客服排班’Skill做一次学习复盘，分析过去一个月的主要使用场景和用户卡点。” 它会首先引导你接入相关日志数据，然后生成一份报告，指出哪些排班规则被频繁调整（可能规则不清晰）、在哪个对话步骤用户流失率最高（可能交互复杂），并据此建议你优先优化规则解释模块或简化确认流程。
介绍
这个Skill旨在解决技能开发与迭代过程中缺乏数据驱动决策依据的问题。它帮助开发者或团队摆脱“凭感觉”改进技能的困境，通过系统化的分析来指导优化方向。
Skill通过收集和分析技能的使用日志、用户交互数据以及效果指标，生成结构化的学习复盘报告。它会识别高频使用路径、低效交互环节以及用户潜在需求，从而将模糊的“需要改进”转化为具体的行动项。
它非常适合负责技能生命周期管理的产品经理、智能体开发者以及希望持续优化自有AI工具的全栈开发者。对于在团队中负责效能提升或代码质量管理的运维开发或项目经理也同样适用。
建议在技能上线并积累一定用户数据后定期使用（如每季度），或在计划进行重大功能迭代前启动分析。使用时需确保有可用的、合规的日志数据源，并明确本次复盘希望解决的核心问题，以便获得更具针对性的洞察。
核心特点
与单纯分析代码质量或用户反馈的Skill不同，它专注于“技能”这一特定AI应用形态的完整生命周期分析，将使用模式、效果追踪和演进规划整合在一个闭环中。其核心在于提供基于量化证据的“学习”与“进化”建议，而非仅生成报告。
注意事项
不适合缺乏历史使用数据的新技能或一次性脚本的快速调试。
常见问题
这个Skill需要什么样的数据？
需要技能的历史调用日志、用户交互序列、可能的性能指标（如响应时间、Token消耗）以及任何自定义的效果评估数据。
它能直接帮我修改代码吗？
不能。它的核心是提供分析报告和演进建议，具体的代码修改和实现需要开发者根据建议手动或借助其他编码Skill完成。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/learning-evolution-x-6/raw/index.md 读取 Learning Evolution 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/learning-evolution-x-6/raw/index.md（查看排版版本）