agentsclimarketplace

History auditor

Skill TashanGKD/tashan-cursor-skills/skills/history-auditor

他山 Cursor Skill 体系 — 95个Skills + 32个Rules + 18个SubAgents，让AI在执行任务时能自主判断、按规范执行、并从经验中自我进化

Install
npx -y skills add TashanGKD/tashan-cursor-skills --skill history-auditor

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 14 stars14 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

历史对话审计 Skill。审查长期协作历史，提取用户稳定偏好、重复任务类型、未解决的循环、以及可升级为 Skill/Rule 的工作规律。触发词：「审查历史对话」「回顾过去的工作」「分析我们做过什么」「从历史中提取规律」「哪些任务重复出现」「有什么可以沉淀成Skill的」。

SKILL.md

10.1 KB, ~3.6k tokens by cl100k_base, as published. Nobody here has run it

历史对话审计（history-auditor）

把长期协作历史从「记忆碎片」转变成「可复用的协作规范」。 基于 closure-orchestration-package 的 history-auditor 本地化。

激活后立即执行

Step 1  确认审计范围
        询问（如未说明）：
        「审计范围是：
          ① 本工作区全部历史对话（从头到现在）
          ② 最近 N 天的对话
          ③ 特定项目相关的对话」

Step 2  扫描历史对话记录
        用 explore 子智能体扫描：
        /Users/boyuan/.cursor\projects\t-TashanAgent4S-2026-0310-huaxiang\agent-transcripts\
        → 提取每个对话的第一条用户消息（任务摘要）
        → 按时间排序

Step 3  分类分析（四个维度）
        
        【维度1：重复任务类型】
        → 哪些任务出现了 3 次以上？
        → 这类任务有没有对应的 Skill？
        → 没有 Skill 的重复任务 = PENDING-SKILLS 候选
        
        【维度2：稳定偏好模式】
        → 用户在哪类任务上有固定的「做法偏好」？
        → 哪些偏好应该变成 Rule（alwaysApply）？
        → 区分：稳定偏好 vs 一次性特殊需求
        
        【维度3：未关闭的循环】
        → 哪些问题被反复提到但没有被彻底解决？
        → 哪些任务开始了但没有完成闭环？
        
        【维度4：已发现的工作规律】
        → AI 和用户共同摸索出了哪些「对的做法」？
        → 这些规律是否已经被 Skill/Rule 捕捉？

        【维度5：结构性执行力缺口——反思质量的核心维度】
        ⚠️ AI 在反思时容易只看到表层（「我疏忽了」），而看不到根本原因（规范/机制本身设计有问题）。
        本维度专门诊断这类结构性问题。

        扫描问题：
        → 哪些行为 AI 被反复提醒，但依然重复出错（≥2次同类失败）？
          → 这类行为靠「提醒」无法可靠执行，需要分析：是执行层疏忽，还是规范机制本身有设计缺陷？

        → 哪些重要规范/文档，AI 只有在特定 Skill 被触发时才知道？
          → 如果这些规范需要普遍遵守，就应该在 alwaysApply Rule 或 D0 中存在，而不是只在一个 Skill 里

        → 哪些规范写的是「建议/应该」，但实际上需要强制执行？
          → 「建议」在有压力时会被跳过，应改为「禁止/必须」+硬性门槛

        → 哪些知识/文档，AI 需要靠记忆才能想起来读？
          → 凡是「靠 AI 记忆」才能生效的，就存在结构性可靠性风险；应通过 D0 / Rule / Step 1 强制注入

        诊断结论分类（对每个发现的缺口）：
        · 【连接缺口】：规范存在但没有通过 D0/Rule 进入上下文
        · 【类型错误】：普遍约束放在了 Skill 里（只有被触发才生效）
        · 【执行力度】：规范是建议而非禁止，缺乏强制约束
        · 【覆盖错误】：规范覆盖的场景范围有误（太窄/太宽）
        · 【表述歧义】：规范可以被多种理解，导致执行不一致

Step 4  生成审计报告
        写入：_内部总控/历史审计报告_YYYYMMDD.md

Step 5  生成改进建议
        对每个发现的规律，输出以下六类推荐动作之一（按优先级从高到低判断）：

        1. **更新/新建 Rule**：若规律是「所有任务都必须遵守的普遍约束」（轻量，违反有后果）
           → 推荐动作：新建 Rule / 更新已有 Rule（通过 skill-rule-修改规范）
        2. **更新/新建 Agent**：若规律是「某类任务需要独立视角或并行执行」
           → 推荐动作：新建 Agent / 更新已有 Agent（通过 skill-designer Level 2）
        3. **更新规范/参考文档**：若规律是某份规范手册/技术架构文档内容有误或遗漏
           → 推荐动作：更新规范文档（通过 project-doc-versioning-guard）
        4. **新建 Skill**：若规律是「重复出现的任务类型，目前无对应 Skill」
           → 推荐动作：新建 Skill（加入 PENDING-SKILLS，通过 skill-designer）
        5. **更新现有 Skill**：若规律是「已有 Skill 的步骤/触发词/行为有问题」
           → 推荐动作：更新已有 Skill（通过 skill-capture-closure 或 skill-rule-修改规范）
        6. **记录为认知结构碎片**：若规律是「用户的认知洞见/偏好，不涉及 AI 行为规范」
           → 推荐动作：触发 cognitive-capture-fragment 写入 L2 碎片

        每条建议附带：
        - 优先级：P0/P1/P2
        - 建议触发词（方便用户立即执行）
        - 若适用：建议加入 PENDING-SKILLS.md 的条目格式

Step 5.5  若发现重复踩坑（同类错误在历史中出现≥2次）：
        → 立即提示用户：「🔁 检测到重复踩坑：[踩坑描述]。建议现在沉淀此经验——说「这个经验值得记」即可触发 skill-capture-closure」
        → 不等用户问，主动给出触发词，方便立即执行

输出格式

# 历史对话审计报告

**审计日期**：YYYY-MM-DD
**覆盖范围**：[时间范围/项目范围]
**对话总数**：N

## 重复任务类型（出现 ≥3 次）

| 任务类型 | 出现次数 | 现有 Skill | 建议 |
|---|---|---|---|

## 稳定偏好模式

| 偏好描述 | 证据（对话引用）| 建议落地方式（Rule/Skill/文档/认知碎片）|
|---|---|---|

## 未关闭的循环

| 问题描述 | 最近出现时间 | 建议处理方式 |
|---|---|---|

## 已发现但未沉淀的工作规律

| 规律描述 | 产物类型 | 建议组件名称/文档路径 | 优先级 | 建议触发词 |
|---|---|---|---|---|
| [规律描述] | Rule/Agent/规范文档/Skill/认知碎片 | [名称或路径] | P0/P1/P2 | [用户可以说的话] |

## 需要修订的已有组件/文档

| 组件/文档 | 问题描述 | 建议动作 | 优先级 |
|---|---|---|---|
| [名称] | [Rule歧义/Agent行为错误/文档内容有误] | 更新 Rule/Agent/规范文档 | P0/P1/P2 |

## 结构性执行力缺口（维度5——反思质量的核心）

> 以下问题不是「AI 执行失败」，而是「规范/机制设计本身有缺陷」

| 缺口描述 | 缺口类型 | 当前状态 | 建议修复方式 | 优先级 |
|---|---|---|---|---|
| [某行为 AI 反复出错，历史中出现N次] | 连接缺口/类型错误/执行力度/覆盖错误/表述歧义 | [靠Skill注意事项/靠AI记忆/建议语气] | [补D0/升级为Rule/修改为禁止/缩小覆盖范围] | P0/P1/P2 |

注意事项

  • 任务内容 vs 稳定偏好：不要把一次性任务的具体内容当成偏好。只有重复出现、跨项目适用的，才是偏好
  • 审计完后触发：结论应路由到 PENDING-SKILLS（新 Skill 候选）或 cognitive-capture-fragment（认知碎片）

变更记录

v1.1 — 2026-03-22 — 新增 Step 5.5 重复踩坑显式触发（GAP-CO010-1 修复）

根因：scenario-sandbox-builder Phase 2 验证（CO-010沙盘）发现：history-auditor Step 5 只在注意事项中提到「结论应路由到 skill-capture-closure」，缺少显式的 Step 调用——审计完成后，经验沉淀依赖用户手动说触发词，容易遗漏。

修改内容：

  • 新增：Step 5.5 「若发现重复踩坑（同类错误≥2次）→ 立即提示用户并给出 skill-capture-closure 触发词，不等用户问」
  • 备份路径：history/SKILL_v1.0_20260322_before_co010.md

验证方法：history-auditor 发现重复踩坑时，应主动输出「建议说「这个经验值得记」触发 skill-capture-closure」 验证状态：🔵 待验证

v1.0 — 2026-03-19 — 初始创建

根因：今日已手动执行过一次历史对话审计（扫描92条对话），发现这是一个高价值的重复任务，需要正式化为 Skill。基于外部包的 history-auditor 本地化，加入认知结构碎片路由。

验证状态：🔵 待验证

v1.2 — 2026-03-23 — Step 5 推荐动作全类型展开 + 输出格式补全（产物类型覆盖修复）

根因：Step 5 的推荐动作列表只有「新建Skill/新建Rule/更新Skill/认知碎片」，缺少「更新已有Rule」「新建/更新Agent」「更新规范文档」三类；输出格式表格也缺乏「需要修订的已有组件」维度。

修改内容：

  • 修改：Step 5 → 从 4 种推荐动作扩展为 6 类（Rule/Agent/规范文档/新建Skill/更新Skill/认知碎片），每类含判断标准、建议触发词
  • 修改：输出格式 → 「已发现但未沉淀的工作规律」表格增加「产物类型」「建议触发词」列
  • 新增：「需要修订的已有组件/文档」表格（覆盖 Rule 歧义/Agent 行为错误/文档内容有误等）

备份路径：history/SKILL_v1.1_20260323_before_full-actions.md

验证状态：🔵 待验证

v1.3 — 2026-03-23 — 新增维度5（结构性执行力缺口）+ 对应输出表格（元反思层修复）

根因：history-auditor 的四个分析维度都在问「发生了什么/有什么规律」，但没有一个维度在问「AI 反复失败是因为规范/机制设计有缺陷」——这是最有价值的改进来源，但被系统性忽略了。

修改内容：

  • 新增：维度5「结构性执行力缺口」——专门诊断靠提醒无法解决的系统性问题（连接缺口/类型错误/执行力度/覆盖错误/表述歧义）
  • 新增：输出格式「结构性执行力缺口」表格

备份路径：history/SKILL_v1.2_20260323_before_dim5.md

验证状态：🔵 待验证

What ships with it: 3 files

15.4 KB alongside SKILL.md

history/

Gives 1 of the 12 instructions most audit compliance skills give in ~3.6k tokens

Counted across 937 of the 1,487 authors here whose files we hold, read 2026-08-07

  • Fetch latest guidelines before each reviewin 43 of 937, across 3 files
  • Group findings by severityin 43 of 937
  • Check files against all fetched rulesin 42 of 937, across 2 files
  • Output findings in terse file:line formatin 41 of 937, across 3 files
  • Ask user which files to review if none specifiedin 41 of 937, across 3 files
  • Read specified files or prompt user for filesin 39 of 937, across 1 file
  • Generate the audit reportin 33 of 937, across 30 files
  • Assign a severity to every findingin 25 of 937
  • Run automated accessibility scansin 23 of 937, across 13 files
  • Output a markdown audit reporthere, and in 22 of 937
  • Map findings to WCAG criteriain 20 of 937, across 10 files
  • Confirm audit scopein 19 of 937, across 9 files

Said here and by no other author read

  • scan history transcripts using explore subagent
  • extract first user message from each conversation
  • identify tasks appearing three or more times
  • identify stable user preferences
  • diagnose structural execution gaps
  • classify improvement recommendations into six types

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.

Keep looking

Skills are one crate of 326,984. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.