WorkBuddy 智能学习系统 (Smart Learning System)#

概述#

WorkBuddy 的自我进化引擎，基于「感知-学习-行动」SEA 循环实现持续优化。整合六大模块，形成完整的反馈闭环。

---

系统架构#

text

反馈收集 ←→ 隐式信号 ←→ 任务画像
     ↓              ↓           ↓
  知识蒸馏 ←→ 自适应阈值 ←→ 模式识别
                  ↓
            实时警报（触发→固化）
                  ↓
            模板执行（命中→执行→对比）

模块说明#

模块文件核心功能反馈收集feedback.py显式反馈（👍/👎/✏️）+ 自动归类隐式信号signal_collector.py5类行为信号无感采集任务画像task_profiler.py执行轨迹追踪 + 复杂度分析模式识别pattern_recognizer.py高频模式扫描 + 自适应警报知识蒸馏knowledge_distiller.py自适应阈值 + 模板匹配 + 避坑规则主入口learn.py整合六大模块，CLI 命令行

数据存储#

text

.workbuddy/memory/
├── feedback/           # 反馈记录 (JSON)
├── signals/           # 隐式信号数据 (JSON)
├── task_profiles/     # 任务执行轨迹 (JSON)
├── patterns/          # 模式识别结果 + 阈值状态
│   └── threshold_state.json  # 自适应阈值状态
└── templates/         # 蒸馏模板 + 避坑规则
    └── failed_patterns/avoid_*.yaml

---

核心模块详解#

1. 反馈收集 (feedback.py)#

FeedbackCollector：

• record_feedback(task_id, rating, tags, note) - 记录单条反馈
• get_recent_feedback(days) - 获取近期反馈
• generate_feedback_prompt() - 生成反馈询问文本

反馈类型：good / bad / neutral 标签：用户自定义，如 文件整理、 数据分析、 报告生成

2. 隐式信号采集 (signal_collector.py)#

SignalCollector - 5类信号无感采集：

信号计算方式学习意义反馈填写率有反馈任务/总任务参与度代理任务取消率主动中断/总任务方案不适配平均任务时长所有任务耗时均值执行效率工具成功率成功调用/总调用工具质量重复修正率重复执行/总任务模式固化价值

健康评分（0-100）：基于5类信号综合计算

3. 任务画像 (task_profiler.py)#

TaskProfile - 单任务轨迹：

• start_task(task_id, summary) - 开始
• use_template(template_id, name) - 标记使用模板
• record_tool_call(tool, success, duration) - 记录工具调用
• end_task(outcome, success) - 结束

TaskProfilerAnalyzer - 分析器：

• get_complexity_distribution(days) - 简单/中等/复杂 分布
• compare_template_vs_free(days) - 有模板 vs 自由执行 对比
• get_tool_usage_stats(days) - Top10 高频工具

4. 模式识别 + 警报 (pattern_recognizer.py)#

评分公式：

text

score = (freq/max_freq) * 50 + (recency/max_recency) * 20 + stability * 30

≥60分 = 高价值模式，建议沉淀

自适应阈值引擎 (AdaptiveThresholds)：

• 基于历史警报准确率自动调节阈值
• 准确率 > 70% → 敏感模式（降阈值 15%）
• 准确率 < 40% → 保守模式（升阈值 30%）
• 状态持久化： threshold_state.json

三级警报：

等级类型条件响应URGENT突发≥ urgent阈值（默认75）立即通知TREND趋势环比增长 > 150% 且 ≥ trend阈值本周关注STABLE稳定长期高频且 ≥ high阈值建议模板化

5. 知识蒸馏 (knowledge_distiller.py)#

自适应蒸馏阈值：

text

effective_threshold = base / feedback_rate

填写率高 → 低阈值（频繁蒸馏）；填写率低 → 高阈值（避免误触发）

模板匹配：

• match_template(user_request) - Jaccard 相似度关键词匹配
• generate_match_suggestion(user_request) - 生成推荐文本
• 置信度 ≥ 50% → 直接推荐；≥ 20% → 参考提示

避坑规则：

• 负面反馈 → avoid_*.yaml 避坑规则
• 自动推断应避免的操作 + 修复建议

---

命令行使用#

bash

cd .workbuddy/skills/workbuddy-smart-learning

python learn.py full        # 完整学习周期（6阶段综合报告）
python learn.py patterns     # 模式识别
python learn.py feedback    # 记录反馈
python learn.py distill     # 知识蒸馏
python learn.py signals     # 隐式信号报告
python learn.py alerts      # 实时警报检查
python learn.py profiler    # 任务画像分析
python learn.py match "关键词"  # 模板关键词匹配

full 命令输出结构#

text

## 1. 反馈摘要     - 近7天反馈数、填写率
## 2. 模式识别     - 近30天高价值模式、Top3高频任务
## 3. 实时警报     - URGENT/TREND/STABLE 三级警报
## 4. 知识蒸馏     - 自适应阈值状态、自动蒸馏触发结果
## 5. 模板对比     - 有模板 vs 自由执行 成功率/耗时对比

---

与主对话流程集成#

任务完成后 → 反馈询问#

text

反馈：[👍/👎/✏️]
标签：任务类型（可选）
备注：改进建议（可选）

调用 python learn.py feedback 记录

新会话启动时 → 模式检查#

检测到涉及历史上下文时：

1. 读取 MEMORY.md + 近期每日记忆
2. 检查 ≥60分的高频模式
3. 主动提示用户是否需要优化

警报处理 → 阈值学习#

• 用户确认警报有效 → record_alert_confirmed(task)
• 用户判定为误报 → record_alert_rejected(task)

---

阈值配置#

参数默认值说明模式评分阈值60≥60分触发沉淀建议蒸馏基础阈值5正面反馈达到此数触发蒸馏警报-突发75立即通知警报-关注70本周关注警报-趋势60周报标记趋势增幅150%环比超过此值触发趋势警报

---

版本历史#

• 2026-04-14：基础版 - 反馈收集 + 模式识别 + 知识蒸馏
• 2026-04-17 v1：第一轮 - 隐式信号 + 自动蒸馏触发 + 实时警报
• 2026-04-17 v2：第二轮 - 任务画像 + 模板匹配 + 自适应阈值引擎