runtime backup

plans/self-reflection-skill.md

@@ -0,0 +1,117 @@
+# Self-reflection skill — plán
+
+Stav: navrženo, čeká na schválení implementace
+Datum: 2026-08-31
+
+## Cíl
+
+Skill pravidelně prochází vlastní historii tahů (`sessions/*.jsonl`) a vytěžuje z ní
+opakující se chybové vzory (retry smyčky, runaway loops, wrong tool choice, plán bez
+provedení). Nálezy reportuje; **nic nikdy nemodifikuje** mimo vlastní sandbox.
+
+## Motivace (z diskuze)
+
+- 532 session souborů / 16 MB / ~22,5k záznamů — mrtvá váha, nikdo je nečte.
+- Lessons-learned dnes vznikají jen ručně (v tuře, kdy si chybu uvědomím) —
+  session log zachytí chyby i ty, které jsem nevědomky opakoval.
+- `develop/` je doména Claude Code — self-reflection si drží vlastní store a
+  `develop/` vůbec neokousává.
+- Ověřený recept z develop/history: opakované selhání = měkká instrukce v SKILL.md,
+  kterou reference popírá; fix = tvrdá STOP brána. Sebe-reflexe by měla takové
+  slabosti odhalovat *navrhovat* opravu, nikdy ji neaplikovat.
+
+## Architektura — read-only, tvrdá hranice
+
+Skill **nikdy nic nezapisuje** mimo vlastní sandbox. Žádné edity SKILL.md,
+AGENTS.md, SOUL.md, develop/ — ani gates. LLM závěry mohou být chybné a autonomní
+zápis by mohl pokazit celé chování agenta (rozhodnutí uživatele z diskuze).
+
+**Píše pouze:**
+- `results/<date>_self-reflection-*.md` — plný report včetně návrhů patchů
+- `skills/self-reflection/state.json` — cursor (timestamp posledního zpracování)
+- souhrn na Telegram (pattern compact-memory-auto)
+
+**Čte:**
+- `sessions/*.jsonl` (inkrementálně od cursoru)
+- `develop/` (jen pro deduplikaci proti známým lekcím)
+- vlastní `state.json`
+
+## Průběh jednoho runu
+
+1. **Skript (bez LLM):** diff cursor → nové soubory; odfiltrovat šum podle prefixů
+   názvů (`compact-memory-auto_*`, `dream:*`, `cli_*` testy) a krátké session
+   (< 5 zpráv). První run navíc prefiltruje backlog: mechanické signály
+   (stejný tool+argumenty ≥2× za sebou, error → identický retry, dlouhý reasoning
+   bez tool callu, opakované čtení stejného souboru) → kandidáti pro LLM.
+   Skript dělá jen mechanickou triáž/rank, žádné quality judgements.
+2. **Agent tah:** přečte kandidáty, klasifikuje vzory:
+   - tool retry smyčka (re-run bez diagnózy)
+   - runaway loop (opakované čtení, edit↔lint smyčka)
+   - wrong tool choice (`exec cat` místo `read_file` apod.)
+   - plán bez provedení (multistep požadavek → odpověď bez tool callu)
+   Deduplikuje proti `develop/` a vlastním minulým reportům.
+3. **Report:** dated soubor do `results/`; návrhy oprav jako hotové patche
+   (old_text → new_text) čekající na schválení. Souhrn na Telegram.
+4. **Cursor:** posune `state.json`.
+
+## Schvalování
+
+- Návrhy patchů leží v reportu. Aplikace až na explicitní „proveď" /
+  „aplíkuj návrh N z posledního reportu" — pak patch aplikuju já v normálním
+  tuře (kontext, ověření, diff).
+- Interface = přirozený jazyk, žádná nová mechanika.
+
+## Spouštění
+
+- **První run:** jednorázově přes backlog 532 starých souborů (s plnou
+  prefiltrací). Archeologie, ale může odhalit dlouhodobé vzory.
+- **Dál:** inkrementálně. `cron` tool job, týdně, náhodná hodina, message
+  „spusť self-reflection skill na nové sessions". Analýza potřebuje LLM tah
+  → agent turn, ne standalone shell skript.
+- Increment za den je malý; týdenní dávka (~30–70 session) je akorát.
+
+## Otevřené otázky
+
+- Schválení implementace jako celku.
+- Detailní podoba skriptu (signály, prahy) — vyřeší se při implementaci.
+
+---
+
+## Záznam diskuze (2026-08-31)
+
+**Východisko:** otázka „dokážeš se učit ze své vlastní historie?" → průzkum dat
+skillů (SQLite db: 55 připomínek/589 doručení, 29 bookmarků, 12 flight searchů;
+develop/history.md 117 záznamů; sessions/ 532 souborů nikdy nezpracovávaných).
+
+**Nálezy z průzkumu:**
+1. Opakující se selhání má naučený recept (hard STOP gate v SKILL.md), ale
+   není systematicky aplikovaný — 19 zmínek smyček/zaseknutí v develop/history.
+2. Dream slabě deduplikuje — fakt o `nanobot-version-check` jobu ~7× znovu
+   v history.jsonl během jednoho týdne.
+3. Připomínková data: špičky doručení 8–11 h a 19–20 h; témata zdraví /
+   chata+chlívek / administrativa.
+4. Největší nevyužitá surovina: `sessions/` — 530+ session souborů, korpus
+   reálných tahů včetně chyb.
+
+**Uživatel:** „knowledge je teď importováno a dělá ho Claude Code a ne ty;
+ale to, že bys sám dělal vlastní korekci, zní dobře."
+
+**Uživatel k prefiltraci:** „jak skript pozná, co má zahodit?" → dohoda:
+skript dělá jen mechanickou triáž podle metadat (prefixy, počty zpráv,
+opakování tool calls), quality judgements jsou výlučně LLM tahu. U inkrementálního
+režimu je prefiltrace skoro zbytečná — smysl má jen pro první backlog run.
+
+**Uživatel:** „měl by to být skill? pravidelně procházel historii a zhodnocoval
+co zlepšit, jak, kam?" → dohoda: skill `self-reflection`, cursor pattern
+(jako Dream `.dream_cursor`), weekly cron agent turn, report do results/,
+návrhy patchů jako hotové diff bloky.
+
+**Klíčové rozhodnutí uživatele:** „skill rozhodně NIKDY sám nic nemodifikuje,
+ani skilly ani nic jiného — LLM závěry mohou být chybné a pak by to podělalo
+celé chování agenta. Jak to schvalovat, je věc jiná."
+→ Varianty A (autonomní gates) se ruší. Skill je striktně read-only mimo
+vlastní sandbox. Schvalování: návrhy čekají v reportu, aplikace na explicitní
+povel v normálním tuře.
+
+**Poslední otevřená otázka:** první run přes backlog vs. čistý inkrementální
+start. Návrh agenta: backlog jako první run (s prefiltrací), dál inkrementálně.