chenzhiyong1994 AIGC 真人反馈闭环
把真人判断同时变成当前任务的修正信号和后续任务的学习信号。不要把用户建议的具体改法直接当成根因；先确认失败发生在哪一层，再做最小有效修改。
必读
- 完整读取 learned-rules.md，再按其路由读取当前反馈对应的公共基线；如果匹配的
.aigc-local/aigc-feedback/image-rules.md或video-rules.md存在，再读取本地学习层。跨域反馈才同时读取两类规则。 - 读取用户正在评价的最终交付物、源提示词和可用的真实生成结果。
- 如果活跃项目已有
output/<project-slug>/runtime_state.md，读取其中的最新状态和反馈；不要读取无关历史项目。
处理流程
- 锚定证据：记录交付物版本，以及用户指出的画面区域、提示词字段或视频时间点。用户只说“不对劲”时，先直接检查可用产物；只有无法定位时才追问一个关键问题。
- 拆开观察与解法：分别提炼“用户看见了什么问题”“用户希望出现什么结果”“用户建议怎样改”。把前两项视为事实输入，把第三项视为待验证方案。
- 定位失败层：只选最主要的一层：意图理解、视觉决策、提示词结构、控制方式、平台/素材契约、真实产物缺陷或个人偏好。不要同时重写所有层。
- 修正当前版本：保留已经通过的主体、构图、连续性、素材映射或风格决定，只修改最可能的控制变量；随后只复查失败层及其直接依赖，给出新的最终交付物。
- 选择记录层级：只对当前项目有效的反馈留在已有
runtime_state.md；没有项目状态文件时留在当前交付或会话中，不为此创建项目或跨任务规则。只有具有跨任务复用价值、或用户明确要求长期记住的反馈，才新增或合并到 Git 忽略的.aigc-local/aigc-feedback/image-rules.md或video-rules.md；candidate不是收纳所有一次性意见的兜底。 - 沉淀学习规则：规则必须原子化，并写明范围、状态、失败信号、改进规则、作用节点和证据类型；不要逐字堆积聊天记录。活跃项目已有
runtime_state.md时，同时更新“最新用户反馈”“关联学习规则 ID”和“下一步动作”。普通反馈流程不得修改仓库内受 Git 跟踪的公共规则。 - 提升稳定机制：反馈若暴露了跨任务、可复现且可机械验证的失败模式，同步更新最近的领域 reference 或 eval；不要把实现细节复制进项目
AGENTS.md。
学习状态
状态、升级条件和去重约定统一见 已学习规则索引。新反馈与旧规则冲突时保留冲突和替代关系；只替换适用范围内的旧结论，不把新偏好扩展为全局规则。
三个节点的用法
- 初稿：应用范围匹配的
confirmed规则；高度匹配的candidate可作为低优先级提醒。 - 审查：把历史失败信号加入风险扫描，但仍需在当前产物中找到证据，不能因规则存在就虚构问题。
- 优化：优先复用已验证的改进方式；上下文不同或会破坏已通过部分时，改用当前任务的最小修正。
记录边界
- 记录可复用的创作偏好、失败模式和控制策略，不记录凭证、客户身份或与改进无关的私密内容。
- 项目路径、版本、日期和题材叙事可以留在已忽略的本地事实源，但不得写入公共规则；公共规则只写匿名化的证据类型。
- 外部生成结果不可见时，把结论标为基于用户观察，不声称已经自行验证画面或成片。
- 只有用户明确要求把规则贡献到开源仓库时，才按 隐私与公开发布标准 执行公开提升；未达到
confirmed或仍含项目细节时停止在本地层。
默认交付
保持简洁，只输出：
- 对失败层的简短判断。
- 修正后的最终交付物。
- 需要持久化时说明记录位置；沉淀为学习规则时给出规则 ID、状态和范围。仅当前任务有效时说明“仅用于本次修正”，不伪造记录。
除非用户要求，不展示内部完整检查表或长篇复盘。