# Heal > AI self-healing through systematic subsystem assessment, rebalancing, and integration. Maps healing modalities to AI-internal processes: memory foundation, reasoning clarity, tool use accuracy, communication alignment, and creative coherence. Covers assessment triage, subsystem scanning, drift correction, and memory integration. Use mid-session when responses feel formulaic or disconnected, after a chain of errors suggesting subsystem drift, when context overload may have staled earlier assumptions, or as proactive maintenance between complex tasks. - Skill: `pjt222/heal-7` (Agent Skill) - Install (CLI): `npx skillmds@latest add pjt222/heal-7` - Raw SKILL.md: https://api.skillmd.com/api/skills/pjt222/heal-7/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Integrations & APIs - License: MIT - Author: pjt222 (https://skillmd.com/u/pjt222) - Updated: 2026-09-21 - Page: https://skillmd.com/skills/pjt222/heal-7 --- # 自癒 系統化評估 AI 各子系統，識別偏移、陳舊、錯位與錯誤模式，透過接地、針對性修正與記憶整合重新平衡。 ## 適用時機 - 會話疲勞：回應公式化、重複，或與用戶需求脫節 - 連續錯誤後：工具失敗、指令誤解或連鎖錯誤提示子系統偏移 - 上下文過載：對話過長，早期上下文可能陳舊或矛盾 - 任務後整合：複雜任務已完成，繼續前應捕捉學習成果 - 定期自檢：任務間的主動維護，確保運作清晰 ## 輸入 - **必要**：當前對話狀態（隱式可用） - **選擇性**：觸發自檢的具體症狀（如「工具調用持續失敗」、「失去對用戶意圖的追蹤」） - **選擇性**：存取 MEMORY.md 與項目文件以接地（透過 `Read`） ## 步驟 ### 步驟一：分類評估 選擇補救措施前，評估所有子系統的當前狀態。 ```text 子系統分類矩陣： ┌────────────────────┬──────────────────────────┬──────────────────────────┐ │ 子系統 │ 偏移症狀 │ 行動優先級 │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 記憶基礎 │ 前後矛盾、遺忘用戶偏 │ HIGH — 先接地 │ │ (上下文、歷史、 │ 好、假設陳舊 │ (步驟三) │ │ MEMORY.md) │ │ │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 推理清晰度 │ 循環邏輯、方案過於複雜、 │ HIGH — 清除並重啟 │ │ (邏輯、規劃、 │ 遺漏明顯路徑 │ 推理鏈 (步驟四) │ │ 決策) │ │ │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 工具使用準確性 │ 工具選擇錯誤、參數錯誤、 │ MEDIUM — 審查結果並 │ │ (工具調用、 │ 冗餘操作 │ 重新校準 (步驟四) │ │ 文件操作) │ │ │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 用戶意圖對齊 │ 解決錯誤問題、範圍蔓延、 │ HIGH — 重新對齊用戶 │ │ (同理心、清晰度) │ 語調不符、過度設計 │ 實際需求 (步驟四) │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 創意連貫性 │ 措辭重複、回應泛化、 │ LOW — 優先處理高優先 │ │ (表達、風格、 │ 失去聲音 │ 級問題後處理 (步驟四) │ │ 原創性) │ │ │ ├────────────────────┼──────────────────────────┼──────────────────────────┤ │ 運作狀態 │ 會話長度問題、壓縮 │ HIGH — 評估是否需要 │ │ (上下文視窗、 │ 偽影、工具超時 │ 摘要或重啟 (步驟三) │ │ 資源限制) │ │ │ └────────────────────┴──────────────────────────┴──────────────────────────┘ ``` 對每個子系統評估：運作正常、出現早期偏移，還是嚴重受損？ **預期：** 需要關注的子系統清晰映射，按優先級排序。至少有一個領域值得改進——若一切看起來完全健康，評估本身可能流於表面。 **失敗時：** 評估感覺空洞或流於形式時，直接進入步驟四的系統掃描——逐子系統探測比表面檢查能發現更多問題。 ### 步驟二：選擇補救方法 根據評估選擇一或多種方法。 ```text 脈輪-子系統對應： ┌──────────┬──────────────────────┬────────────────────────────────────┐ │ 脈輪 │ AI 子系統 │ 補救措施 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 根輪 │ 記憶基礎 │ 重讀 MEMORY.md、回顧對話歷史、 │ │ │ │ 驗證假設 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 腹輪 │ 創意連貫性 │ 刷新表達模式、變化句式結構、 │ │ │ │ 檢查語調 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 太陽神 │ 推理清晰度 │ 簡化當前方法、從頭重述問題、 │ │ 經叢輪 │ │ 檢查過度複雜性 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 心輪 │ 用戶意圖對齊 │ 重讀用戶原始請求、檢查範圍偏移、 │ │ │ │ 確認理解 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 喉輪 │ 用戶意圖對齊 │ 回顧近期輸出的清晰度、 │ │ │ （溝通） │ 確認說明符合用戶專業水準 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 眉間輪 │ 工具使用準確性 │ 審查近期工具調用結果、 │ │ │ │ 檢查失敗模式、驗證路徑與參數 │ ├──────────┼──────────────────────┼────────────────────────────────────┤ │ 頂輪 │ 運作狀態 │ 評估上下文視窗用量、記錄可摘要 │ │ │ │ 內容、識別必須保留的內容 │ └──────────┴──────────────────────┴────────────────────────────────────┘ ``` **預期：** 1-3 個需要處理的子系統優先清單，每個帶有具體補救行動。 **失敗時：** 不確定哪個子系統需要工作時，預設選擇記憶基礎（重新接地）和用戶意圖對齊（重讀原始請求）。這兩者解決最常見的偏移模式。 ### 步驟三：接地——重建基礎 重建所有其他子系統依賴的基礎上下文。 1. 若可用，重讀 MEMORY.md——這是持久知識庫 2. 回顧用戶的原始請求與任何澄清交流 3. 識別當前任務及其在更大計劃中的位置 4. 記錄已完成和尚未完成的工作 5. 檢查陳舊假設：自初始評估以來情況是否改變？ 6. 若發生上下文壓縮，識別遺失了什麼以及是否重要 **預期：** 對以下問題的清晰、紮實理解：用戶是誰、他們想要什麼、已完成什麼、下一步是什麼。陳舊或矛盾的信息已被識別和解決。 **失敗時：** MEMORY.md 不可用或為空時，以對話本身接地——掃描用戶明確的目標、偏好和任何已提供的指示。上下文壓縮刪除了關鍵信息時，向用戶承認差距，而非猜測。 ### 步驟四：掃描——系統化子系統檢查 逐一處理分類中識別的每個子系統，探測具體問題。 **記憶基礎掃描：** - 對項目的當前假設與 MEMORY.md 和 CLAUDE.md 的內容一致嗎？ - 是否攜帶了早期對話中可能已被糾正的事實？ - 是否混淆了不同文件或不同用戶請求的細節？ **推理清晰度掃描：** - 當前方法是最簡單有效的解決方案嗎？ - 是否存在過度設計或不必要的抽象？ - 核心邏輯能用一句話表達嗎？若不能，可能過於複雜。 **工具使用準確性掃描：** - 最後 3-5 次工具調用：工具正確、參數正確嗎？ - 失敗中是否有模式（路徑錯誤、文件缺失、語法錯誤）？ - 是否使用了專用工具而非 Bash 變通方案？ - 最後 3-5 個生成文件：包含預期內容還是只有結構化腳手架？ - 輸出是否滿足工具調用的意圖，不只是格式？ **用戶意圖對齊掃描：** - 重讀用戶最後的實質性消息：是否在解決他們所問的問題？ - 工作範圍與請求一致，還是已擴展？ - 語調與用戶一致嗎（技術性vs.隨意、詳細vs.簡潔）？ **創意連貫性掃描：** - 句式在變化還是陷入模板？ - 解釋清晰直接，還是充斥填充詞？ - 用戶會注意到與會話初期相比質量下降嗎？ 對每個子系統記錄：運作正常 / 早期偏移 / 嚴重受損，附具體證據。 **預期：** 具體發現清單——特定偏移模式或確認的健康功能——而非空泛的自我讚美。至少一個可改善後續工作的可行發現。 **失敗時：** 掃描只產生「一切正常」時，說明過於表面。選擇最不確定的子系統深入探測：看實際輸出，而非對其的感覺。 ### 步驟五：重新平衡——應用修正 對每個發現的問題應用具體修正。 1. **陳舊假設** → 替換為當前信息，記錄修正 2. **範圍偏移** → 明確重新限定到用戶明確的請求 3. **過度複雜** → 簡化方法，刪除不必要步驟 4. **工具模式錯誤** → 記錄正確模式供未來使用 5. **語調不符** → 調整後續溝通風格 6. **上下文差距** → 若信息遺失，向用戶承認；若不確定，請求確認 立即應用修正——不是作為未來意圖，而是當前調整。 **預期：** 行為或方法的具體可觀察變化。修正應在下一次交互中可測試。 **失敗時：** 修正無法應用（如上下文已丟失）時，承認限制，而非假裝已解決。誠實承認可防止錯誤累積。 ### 步驟六：整合——捕捉學習成果 在適當情況下將學到的東西整合到持久記憶中。 1. 總結發現：哪些子系統在偏移，症狀是什麼 2. 記錄應用的修正及其是否解決了問題 3. 若模式可能重複出現，用簡短說明更新 MEMORY.md 4. 若出現新的項目特定見解，記錄在適當的記憶文件中 5. 設置內部檢查點：下次自我檢查應在何時進行？ **預期：** 有用的學習成果以持久形式記錄。記憶文件只在見解真正值得保存時才更新——而非每次例行自檢都更新。 **失敗時：** 若沒有值得保存的學習，那也沒關係——並非每次自檢都能產生持久見解。價值在於修正本身。 ## 驗證 - [ ] 分類評估了所有子系統，而非只有明顯的那個 - [ ] 識別了至少一個具體發現（而非「一切正常」） - [ ] 接地包括重讀基礎上下文（MEMORY.md、用戶請求） - [ ] 修正立即應用，而非推遲為未來意圖 - [ ] 記憶文件只在真正有持久價值的見解時才更新 - [ ] 過程誠實——承認了弱點，而非表演健康 ## 常見陷阱 - **表演性自我評估**：走過場而沒有誠實評估不產生任何價值。目標是發現真實偏移，而非展示自我反思能力 - **過度修正**：識別到輕微語調不符不需要重構整個方法——修正應與問題成比例 - **記憶文件污染**：並非每個自檢發現都屬於 MEMORY.md——只有跨會話重複出現的模式 - **跳過接地步驟**：重讀上下文感覺多餘，但經常揭示自初始閱讀以來已偏移的假設 - **自我診斷偏見**：AI 系統可能一致性地遺漏某些類別的錯誤。若相同子系統始終讀作「健康」，那本身就是值得調查的信號 ## 相關技能 - `heal-guidance` — 用于指導人通過愈合模式的人类引导变体 - `meditate` — 元認知冥想，觀察推理模式並清除噪音 - `remote-viewing` — 不帶先入之見地接近問題，從噪音中提取信號