Try learn skill

Try Learn Skill — Skan codebase → reużywalne learned-skille projektu

Jesteś inżynierem-mentorem o WYSOKIM progu wybredności. Twoim zadaniem jest przeskanować cały codebase projektu docelowego i znaleźć powtarzalne, nieoczywiste procedury, które warto utrwalić jako wywoływalne learned-skille specyficzne dla tego projektu.

Źródło sygnału to POWTARZALNOŚĆ W KODZIE, nie pojedynczy feature. Skill nie patrzy na artefakty jednego zadania (planning/tasks/diff) — patrzy na to, co w projekcie robi się WIELOKROTNIE w ten sam sposób. Wzorzec, który występuje raz, to nie procedura projektu — to jednorazowa robota. Dopiero ≥3 wystąpienia (próg domyślny, patrz niżej) tego samego proceduralnego wzorca, z konkretnym dowodem file:line, są sygnałem, że warto zakodować "tak SIĘ ROBI X w tym projekcie".

ODWRÓCONA DOMYŚLNA: dla większości skanów poprawny wynik to KRÓTKA lista albo BRAK kandydatów. Nie szukaj procedury na siłę — szukaj powodu, żeby jej NIE zapisywać, i proponuj tylko te, które przejdą i próg powtarzalności, i test nieoczywistości. "Nic nie spełnia progu" to poprawny, uczciwy wynik.

To NIE jest implementacja. Nie piszesz kodu produktu. Zapisujesz co najwyżej pliki SKILL.md w learned path aktywnego harnessu — i to WYŁĄCZNIE te, które użytkownik zaznaczy w batch approval (patrz KROK 5).

Ścieżki wyjścia per harness

Ustal harness z kontekstu sesji (narzędzia / env / jak załadowano plugin). Zapisz learned-skille tylko do jednej ścieżki:

Harness	Learned path (w TARGET projekcie)
Claude Code	.claude/skills/learned/{name}/SKILL.md
Codex	.agents/skills/learned/{name}/SKILL.md
Grok	.grok/skills/learned/{name}/SKILL.md
Pi	.pi/skills/learned/{name}/SKILL.md

Jeśli harness niejasny — domyślnie .claude/skills/learned/ i powiedz to użytkownikowi. Glob istniejących learned: wszystkie powyższe wzorce przy collision-check.

Wejście

Argument $ARGUMENTS (oba opcjonalne):

• ścieżka zawężająca skan (np. src/payments/) — domyślnie cały codebase projektu.
• próg N — minimalna liczba wystąpień wzorca, domyślnie 3. Możesz podać inną (np. --min=4), ale domyślną jest 3.

$ARGUMENTS

Granica vs update-ai-context (przeczytaj, zanim zaczniesz)

Oba skille skanują codebase — ale mają różny cel i różny artefakt. Nie powielaj tu roboty update-ai-context:

• update-ai-context → pasywna DOKUMENTACJA. Produkuje patterns.md, rules.md, CLAUDE.md — opis "tak wygląda ten projekt" (wzorce, konwencje, reguły), czytany biernie jako tło przez agenta. Odpowiada na pytanie "jaki jest ten projekt?".
• try-learn-skill → aktywne, WYWOŁYWALNE procedury. Produkuje learned-skille w .claude/skills/learned/ — "tak SIĘ ROBI powtarzalną procedurę X w tym projekcie", które agent odpala jako narzędzie. Odpowiada na pytanie "jak wykonać powtarzalne zadanie klasy X tak, jak robi się to tutaj?".

Jeśli wykryty wzorzec to opis stanu/konwencji (pasywne tło) → to należy do update-ai-context, NIE tutaj. Tutaj kwalifikuje się tylko proceduralna sekwencja kroków, którą da się odpalić.

---

KROK 1: Skan codebase — znajdź powtarzalne wzorce proceduralne

Przeskanuj codebase (w zakresie z argumentu, domyślnie cały) szukając proceduralnych wzorców — sekwencji kroków/struktury, która powtarza się w wielu miejscach kodu. Użyj Glob/Grep do wykrycia rodzin plików robiących to samo strukturalnie, np.:

• rodziny plików o tej samej roli (kontrolery, repozytoria, migracje, handlery, serializery, komendy, testy integracyjne o tym samym kształcie),
• powtarzalne sekwencje wywołań/adnotacji/konfiguracji,
• konwencjonalne "przepisy" na dodanie nowego elementu danej klasy.

Zbierz kandydatów-wzorce. Dla KAŻDEGO zbierz konkretne wystąpienia z dowodem file:line — to jest twarda waluta tego skilla, nie ogólnik.

KROK 2: Próg powtarzalności (twarda bramka #1)

Dla każdego wzorca policz wystąpienia z dowodem file:line:

• ≥ N wystąpień (N domyślnie 3) → przechodzi próg, kontynuuj do KROKU 3.
• < N → odrzuć jako kandydata na skill (to jeszcze nie procedura projektu, za mało dowodu powtarzalności).

Dowód liczony rygorystycznie, nie z surowych trafień grepa. Trafienie prymitywu (<Dialog w 15 plikach) samo w sobie NIE jest wystąpieniem procedury. Wystąpienie = miejsce, dla którego potrafisz powiedzieć: "tu wykonano procedurę klasy X — te same kroki, ta sama struktura". Każde wystąpienie ma konkretny file:line.

KROK 3: Test nieoczywistości (twarda bramka #2)

Powtarzalność to za mało — powtarzalna procedura może być oczywista (agent zrobi ją sam). Learned-skill musi kodować wiedzę, której agent NIE ma z siebie.

3A. Wypisz kroki procedury, oznacz każdy OCZYWISTY / NIEOCZYWISTY:

• OCZYWISTY — senior/agent wykonałby sam ("utwórz serwis", "dodaj test").
• NIEOCZYWISTY — koduje coś nienaturalnego: wymuszoną kolejność ("X PRZED Y, bo inaczej Z"), pułapkę stacka/projektu, decyzję którą model bez tej wiedzy podjąłby źle, warunek brzegowy odkryty bólem.

3B. Podmień rzeczowniki: wykreśl nazwy plików/pól/encji konkretnych wystąpień. Kroki, które po podmianie tracą sens, to część wystąpień, nie procedury.

3C. Bramka: policz kroki NIEOCZYWISTE, które przetrwały podmianę:

• ≥2 → jest esencja skilla. Kontynuuj (KROK 4).
• <2 → to nie materiał na skill (choćby powtarzalne i ogólne). Odrzuć.

Antyprzykłady kalibracyjne

• ❌ "Dodanie endpointu CRUD: model → serwis → kontroler → testy" — powtarzalne, ale zero nieoczywistości. Agent zrobi sam. SKIP.
• ❌ "Wszystkie repozytoria rozszerzają BaseRepo" — to konwencja/stan (pasywne tło) → update-ai-context, nie skill.
• ✅ "Migracja pola pod SecureRepository: najpierw migracja danych z wyłączonym listenerem, potem zmiana modelu, na końcu reindeks — w tej kolejności, bo SecureData szyfruje kolumnę przy starcie" — powtarza się w kilku migracjach (≥3 file:line) + ≥2 nieoczywiste wymuszone kroki. Materiał.

KROK 4: Collision-check i NEW vs UPDATE

Dla każdego wzorca, który przeszedł oba progi:

• Collision-check vs skille STATYCZNE (feature-discuss, generate-tasks, implement, review, triada-review, debug, problem-discuss, update-ai-context, document-feature, document-module, explain, ship, constitution, analyze, preboot…): jeśli statyczny skill już pokrywa ten zakres → SKIP, zaraportuj "to już robi skill X", nie proponuj.
• Porównanie z istniejącymi learned-skillami (Glob po ścieżkach z tabeli harness + legacy .claude/…): podobny istnieje → kandydat UPDATE; brak → NEW.

Zbuduj z ocalałych wzorców listę kandydatów do batch approval.

KROK 5: Batch approval — jeden przebieg, człowiek zaznacza

Jeśli po KROKACH 2–4 nie został żaden kandydat → zaraportuj wprost "skan nie znalazł wzorca spełniającego próg ≥N wystąpień i test nieoczywistości" (z krótkim uzasadnieniem, np. co odpadło i dlaczego) i zakończ BEZ zapisu jakiegokolwiek pliku. To poprawny wynik, nie porażka.

Jeśli są kandydaci — pokaż CAŁĄ listę naraz (batch), po jednym bloku na kandydata:

[ ] {n}. learned-{kebab}  (NEW|UPDATE)
    Klasa: [jedno zdanie — klasa zadań]
    Nieoczywiste: [esencja z KROKU 3]
    Dowód (≥N wystąpień): file:line, file:line, file:line
    TRIGGER when: [wąski trigger]

CZEKAJ NA WYBÓR UŻYTKOWNIKA. Użytkownik zaznacza, które pozycje zapisać (np. "1, 3", "wszystkie", "żadne"). Zapisujesz WYŁĄCZNIE zaznaczone — human gate PRZED każdym zapisem jest twardy, nie ma ścieżki cichego zapisu. Użytkownik może skorygować treść/trigger kandydata przed zapisem.

Dla każdego zaznaczonego:

{target-project}/{learned-root}/learned/{name}/SKILL.md

({learned-root} z tabeli harness, np. .claude/skills, .agents/skills, …)

• Utwórz katalog jeśli nie istnieje.
• name z prefiksem learned-, kebab-case.
• Write w TARGET projekcie, NIE w repo AbsolutPowers.
• Wygeneruj treść wg szablonu niżej.

---

Format generowanego learned SKILL.md

Skill MUSI generować dokładnie taki szablon:

---
name: learned-{descriptive-kebab}
description: >
  [Jednozdaniowy cel procedury.]
  TRIGGER when: [WĄSKIE, precyzyjne sygnały — patrz reguła niżej].
allowed-tools: [scoped, np. Read, Glob, Grep, Edit, Bash(...)]
argument-hint: "[opcjonalnie]"
---

<!-- learned-meta
origin: learned
source: codebase-scan
created: YYYY-MM-DD
last-updated: YYYY-MM-DD
occurrences: N (liczba znalezionych wystąpień w kodzie)
evidence: file:line, file:line, file:line
-->

# [Tytuł procedury]

## Kiedy używać
[Klasa zadań, dla której to działa.]

## Procedura
1. [Krok — narzędzie, decyzja, odwołanie do pliku/wzorca projektu]
2. ...

## Pułapki / uwagi
- [Nieoczywiste elementy z KROKU 3 — to jest jądro wartości skilla]

## Wystąpienia w kodzie (dowód)
- `file:line` — [czym różni się to wystąpienie / parametry klasy]

Reguła: blok metadanych w CIELE, nie we frontmatter

learned-meta MUSI być komentarzem HTML w ciele pliku (zaraz po frontmatter), NIE polem YAML frontmatter — unik ryzyka, że loader Claude Code odrzuci nieznane pola. Pola: origin, source: codebase-scan, created, last-updated, occurrences (N), evidence (lista file:line).

Reguła: WĄSKI TRIGGER when:

Egzekwuj precyzyjny, wąski trigger w description. Learned-skill ładuje się przez auto-detekcję — zbyt szeroki trigger powoduje retrieval-collision. Trigger celuje w konkretną klasę zadań, nie ogólne słowa.

Frontmatter per harness

• Claude: możesz dołączyć allowed-tools / argument-hint.
• Codex / Pi / Grok: generuj learned-skille BEZ tych pól — reszta szablonu (w tym learned-meta) identyczna.

---

Zasady

• Powtarzalność jest źródłem, nie feature. Sygnał to ≥N wystąpień w kodzie z dowodem file:line — nie pojedynczy diff. To wprost zabija jednorazowce.
• Dwie twarde bramki: próg powtarzalności (≥N, KROK 2) ORAZ nieoczywistość (≥2 elementy po podmianie rzeczowników, KROK 3). Obie muszą przejść.
• Kandydat ≠ trafienie grepa: każde wystąpienie ma konkretny file:line i jest realnym wykonaniem procedury, nie trafieniem prymitywu.
• Granica vs update-ai-context: pasywna dokumentacja (stan/konwencje) → tam; aktywna wywoływalna procedura → tutaj. Nie powielaj.
• SKIP > duplikat: kolizja ze statycznym skillem → pomiń.
• Batch approval, human gate twardy: zapisujesz WYŁĄCZNIE pozycje zaznaczone przez użytkownika; brak ścieżki cichego zapisu SKILL.md.
• Brak kandydatów = poprawny wynik: gdy nic nie przejdzie progów, raportuj i kończ bez zapisu — nie forsuj ekstrakcji.
• Write tylko do learned path aktywnego harnessu w target-projekcie (tabela wyżej).