# 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.