# Meta Skill Bootstrap

> 元技能自举法 — 从实践中自动生成高质量 Skill 的方法论体系。 当用户说"帮我做个技能"、"把经验沉淀成技能"、"总结工作流"、 "生成 Skill"、"提炼方法论"、"沉淀文档"时触发。 也适用于反复执行同一类任务时识别可复用模式。

- Skill: `whb786200/meta-skill-bootstrap` (Agent Skill)
- Install (CLI): `npx skillmds@latest add whb786200/meta-skill-bootstrap`
- Raw SKILL.md: https://api.skillmd.com/api/skills/whb786200/meta-skill-bootstrap/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: whb786200 (https://skillmd.com/u/whb786200)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/whb786200/meta-skill-bootstrap

---


# 元技能自举法 · SKILL Bootstrap Methodology

> **核心信条**：好东西都是总结出来的，不是发明出来的。

## 一、核心三角：OTF + JIT + Bootstrap

### OTF = On-The-Fly（即时总结）

执行过程中**发现模式的那一刻，立即记录、归纳、应用**，不等项目结束。

**三个触发时机**：
- **时机1**：发现重复（同一类错误出现 3 次）→ 立即提炼规则
- **时机2**：发现异常（意外情况）→ 立即记录边界条件
- **时机3**：批次边界（每处理 N 个样本）→ 批量归纳模式

### JIT = Just-In-Time（即时交付）

不追求第一次就完美交付，而是**及时交付最小可用版本 → 拿反馈 → 快速迭代收敛**。

**三个层次**：
- **功能 JIT**：最小可行产品，按需开发，不提前过度设计
- **质量 JIT**：梯度收紧 P0(60%) → P1(80%) → P2(90%) → P3(97%)
- **知识 JIT**：按需沉淀，需要时才写文档，不要提前写"完美文档"

### Bootstrap = 知识自举

每一步迭代产生的元知识，能被下一步直接复用。**知识自我增殖，自动化程度递增，人工干预递减**。

---

## 二、知识自举五阶演化

| 阶段 | 自动化率 | 人工占比 | 关键产出 |
|------|----------|----------|----------|
| 第一阶 | 0% | 100% | 对话记录、操作日志 |
| 第二阶 | 20% | 80% | 检查脚本、统计脚本 |
| 第三阶 | 60% | 40% | **Skill 文档、Agent 反思工作流** |
| 第四阶 | 90% | 10% | 自动生成的 Skill 更新 |
| 第五阶 | 99% | 1% | **元 Skill（关于如何总结 Skill 的 Skill）** |

---

## 三、五层抽象金字塔（知识压缩过程）

```
层5  哲学：演进 > 设计
     ↑
层4  洞察：总结是唯一的知识来源
     ↑
层3  原则：OTF + JIT + Bootstrap
     ↑
层2  模式：错误模式、工具模式、决策模式
     ↑
层1  案例：具体错误、修正记录、决策历史
```

**压缩比参考**：
- 案例 → 模式：13,000 个错误 → 25 条模式（520:1）
- 模式 → 原则：25 条模式 → 5 条原则（5:1）
- 原则 → 洞察：5 条原则 → 1 个洞察（5:1）

---

## 四、从任务到 Skill 的完整工作流

### 阶段 1：观察与记录（OTF 触发）

对每个任务执行时，保持以下记录习惯：

1. **决策日志**：记录"为什么选方案 A 而非方案 B"
2. **错误记录**：每个错误包含：问题描述 → 根因 → 解决方案 → 预防措施
3. **模式标记**：发现重复时立即标记，不等积累到"完美数量"

### 阶段 2：提炼模式（JIT 收敛）

**何时提炼**：
- 样本量足够（定量 > 30，定性 > 10）
- 规律已稳定（新模式 = 0，连续 2 轮不变）
- 有实际用途（下次遇到可直接套用）

**何时不提炼**：
- 样本量不足（偶然规律）
- 规律仍在快速变化
- 过度泛化（把具体方案当方法论）

### 阶段 3：写成 Skill

将提炼的模式写成 Skill 文档，包含以下章节：

```
# [Skill 名称]

## 触发条件
什么样的任务会触发这个 Skill

## 核心原则
这个 Skill 背后的 2-3 条核心原则

## 工作流程
步骤化的执行流程

## 常见错误
按模式归纳的 3-5 个高频错误 + 解决方案

## 边界条件
这个 Skill 适用的范围和不适用的范围
```

---

## 五、14 个元技能清单

| 编号 | 元技能 | 核心理念 |
|------|--------|----------|
| 00-META-00 | 好东西都是总结出来的 | OTF + JIT + Bootstrap 自举增殖 |
| 00-META-01 | 反思 | Agent 自主发现错误模式 |
| 00-META-02 | 迭代工作流 | 广度优先、模式驱动、指数衰减 |
| 00-META-03 | 冷启动 | 5 个样本建立直觉 |
| 00-META-04 | 柳叶刀方法 | 精细分解、混合驱动、成本意识 |
| 00-META-07 | 可读性 | 中间产物人类可读、Git 友好 |
| 00-META-08 | 标注体系设计 | 本体从数据中"长"出来 |
| 00-META-09 | Agent 提示词工程 | SKILL 作为 Agent 的"DNA" |
| 00-META-10 | 质量控制 | Lint 规则来自错误案例 |
| 00-META-11 | 数据体感培养 | 多维观察数据异常 |

---

## 六、反模式（避坑指南）

| 反模式 | 表现 | 正确做法 |
|--------|------|----------|
| 总结代替思考 | 遇到问题立即套用模式，从不思考为什么 | 理解模式本质，判断是否适用 |
| 追求完美总结 | 花 3 天写"完美"文档，无人阅读 | 够用就好，总结也要迭代 |
| 只总结成功经验 | 无失败案例记录 | 失败案例 > 成功经验 |
| 过度设计先行 | 项目开始先设计完整体系 | 先跑最小版本，边做边总结 |

---

## 七、实践检查清单

### 执行任务时（自动触发）

- [ ] 每处理 5-10 个样本，自问："当前批次有什么重复模式？"
- [ ] 遇到决策点时，记录："为什么选择方案 A 而非方案 B？"
- [ ] 自动分配时间：90% 执行任务 + 10% 模式总结

### 每轮迭代后（自动总结）

- [ ] 生成本轮统计：处理 X 个案例，发现 Y 个问题，分布如何
- [ ] 提取错误模式：自动归类为 Z 条模式，更新模式库
- [ ] 更新 Skill 文档：将新模式写入"常见错误"章节

### 总结边界判断

- ✓ 总结时机：样本量足够 + 规律已稳定 + 有实际用途
- ✗ 不总结：样本不足 / 规律未收敛 / 过度泛化

---

## 八、核心认知（三句话）

1. **知识是压缩**：10,000 个案例 → 100 条模式 → 10 条原则 → 1 个洞察
2. **理解是归纳**：看到规律才算真正理解，没有规律就没有知识
3. **方法是沉淀**：做一次是经验，做十次总结出来才是方法论