metacognitive-self-mod
元认知自我改进，检测回归与优化流程
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：metacognitive-self-mod。 它的用途是：元认知自我改进，检测回归与优化流程 完整的 Skill 内容见：https://321skill.com/skills/metacognitive-self-mod-x-5/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
介绍
这个 Skill 解决的是“如何改进改进过程本身”这一元层面问题。在日常开发中，我们往往关注修复具体 bug、优化某个模块，但很少反思改进策略本身是否有效、是否引入了新问题。本 Skill 通过分析你对代码、流程或系统的修改历史，识别出“改进了但后来倒退”的回归模式，并给出元优化建议，帮助形成持续正向的改进循环。
使用时，只需将你最近一段时间的修改记录、测试结果或性能指标提供给 AI，它会自动分析变更趋势，标记出可能被忽略的回归点，并对比不同改进策略的效果。例如，你可以告诉它：“分析我过去一周的提交记录，找出哪些修改导致了性能下降”，它就会结合代码变更和测试数据给出诊断。
适合有一定编程经验的开发者、运维工程师或技术管理者，特别是在维护复杂系统、需要持续迭代的团队中。如果你经常进行代码重构、性能优化或架构调整，这个 Skill 能帮你避免“修好一个 bug 引出两个新 bug”的困境。
使用建议：建议定期（如每周）运行一次，并配合版本控制系统的历史记录和自动化测试结果。第一次使用时，可能需要提供较多上下文（如项目结构、主要业务逻辑），后续分析会更加精准。注意，它不适用于一次性项目或从未进行过改进的代码库。
核心特点
与普通代码审查或性能分析工具不同，本 Skill 专注于“改进过程本身”的元层次分析，能识别出改进策略中的系统性回归模式，并给出优化改进流程的建议，而非仅指出具体代码问题。
注意事项
不适合没有历史变更记录或从未进行过改进的静态项目，且分析质量依赖于提供的数据完整性和准确性。
常见问题
这个 Skill 和普通的代码审查有什么区别？
普通代码审查关注当前代码质量，而本 Skill 分析的是你过去改进过程的效果，比如是否某些改进导致了后续的回归，以及如何改进你的改进方法。
它需要我提供哪些数据才能工作？
最好提供版本控制系统的提交历史、自动化测试结果、性能指标变化记录等。如果只有代码文本，分析会比较有限。
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/metacognitive-self-mod-x-5/raw/index.md 读取 metacognitive-self-mod 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/metacognitive-self-mod-x-5/raw/index.md（查看排版版本）