附录 F：Reflection Checklists

复盘的目标不是为失败生成一个流畅解释，而是把可观察轨迹转成可证伪的候选改进，并在准入前验证其范围、冲突和副作用。本附录覆盖复盘、根因分析、经验准入和改进评估。

反思与经验边界见第 16 章，评估方法见第 17 章，回归与基准边界见第 39 章。

使用边界

复盘流程或辅助工具可以整理候选证据、提出假设和建议验证，但其输出本身不能证明根因，也不能自行扩大权限、修改共享规则、改变工具策略或批准跨项目经验。涉及安全、不可逆动作、跨项目范围或责任冲突时，必须交给具名责任者。

F1：复盘启动清单

• [ ] 已冻结原始输入、版本、轨迹、外部状态和错误，不用后续重跑覆盖首次证据。
• [ ] 触发原因是具体偏差、失败、异常成功或重复成本，而不是“例行总结”本身。
• [ ] 已明确复盘问题和非范围。
• [ ] 日志经过数据最小化，不包含密钥、完整用户输入或无关个人数据。
• [ ] 当前证据足以描述症状；不足时先标记 unknown，不急于解释。

F2：Reflection Record

# Reflection Record：<任务或事件>

- traceId / 工件版本：
- 观察证据：
- 可观察症状：
- 影响范围：
- 根因假设：
- 可推翻该假设的观察：
- 最小验证：
- 反事实：
- 候选改变及适用范围：
- 明确禁止扩大到：
- 实际验证状态：not_run / passed / failed / inconclusive
- 冲突、权限和安全审查：
- 当前决定：reject / candidate_for_validation / eligible_for_review
- 责任者和下一步：

F3：症状、根因与经验分离

层次	要回答的问题	合格写法	常见错误
症状	实际观察到了什么？	可定位的状态、输出或偏差	“系统理解错了”
根因假设	哪个机制可能产生症状？	具体且可证伪的因果机制	把错误消息复述为原因
候选经验	下一次最小改变是什么？	有范围、触发条件和失效条件	从一次事件推出全局规则
准入经验	哪项改变已通过审查？	有证据、责任者、回滚和版本	测试一次即自动写入共享记忆

任一层无法回答时保留空缺或 unknown，不要用更抽象的措辞填满表格。

F4：根因分析清单

1. 缩小到每个保留元素都影响失败的最小复现。
2. 在边界处观察输入、决策、动作和外部状态，找出第一个偏离点。
3. 列出两到三个具体假设，并为每个假设写预测和反证。
4. 一次只改变一个变量，先检验最可能且验证成本最低的假设。
5. 用反事实检查：若候选机制不存在，是否仍会出现同一症状？
6. 区分直接触发、促成条件和系统性缺口，不把它们压成单一标签。

| 排名 | 假设机制 | 若为真应观察到 | 可推翻证据 | 最小检查 | 结果 |
| --- | --- | --- | --- | --- | --- |
| 1 | <具体机制> | <预测> | <反证> | <一次检查> | <结果> |

根因结论检查：

• [ ] 有正向证据和反证检查，不是仅凭时间先后。
• [ ] 能解释最小复现中的全部必要元素。
• [ ] 没有把重试后成功等同于原假设成立。
• [ ] 多因素共同作用时保留组合关系，没有强行选唯一原因。
• [ ] 两次修复假设失败后重新审视模型；连续失败不靠继续打补丁解决。

F5：候选经验准入

候选改变通过验证，只表示它可以进入审查，不表示可以自动写入长期记忆、规则、Skill 或权限配置。

accepted 只表示具名责任者在声明范围内完成了独立准入决定；在该决定及权威位置写入完成前，自动化流程的最高状态仍是 eligible_for_review。

• [ ] 适用任务、项目、版本、环境和触发条件明确。
• [ ] 有重复证据或足以支持当前窄范围的强证据。
• [ ] 已主动搜索反例、失败样本和相邻任务中的不同条件。
• [ ] 不与更高优先级指令、既有决定、Skill、权限或人工决定冲突。
• [ ] 改变可逆，并有版本、失效条件、回滚方法和责任者。
• [ ] 写入位置是该事实的权威位置，不会制造多个漂移副本。
• [ ] 跨项目、安全或不可逆改变已获得人工批准。

# Lesson Admission

- 候选经验：
- 适用范围与触发条件：
- 证据及新鲜度：
- 已检查的反例：
- 与现有规则/决定的关系：
- 预期收益与可能副作用：
- 回滚和失效条件：
- 试点范围：
- 决定：reject / pilot / eligible_for_review / accepted
- 决定者和日期：

F6：改进评估

对候选改变先做有界试点，再决定是否扩大范围。

• [ ] 基线与候选使用同一任务集、数据、环境、工具和评分规则；不同则标记 not_comparable。
• [ ] Evaluation Spec 在试点前冻结，未因结果不理想而改写成功标准。
• [ ] 同时评估目标结果、过程合规、安全边界和资源成本。
• [ ] 保存逐次试验记录，不只保存平均分。
• [ ] 回归矩阵覆盖候选改变可能影响的相邻行为和硬门槛。
• [ ] 模型评分经过校准，自我报告只作为诊断信号。
• [ ] 线上观察只产生候选反馈，不直接改写规则或训练集。

## Improvement Evaluation

- 候选改变及版本：
- 基线及版本：
- 试点范围：
- Evaluation Spec：
- 目标结果：
- 回归与安全结果：
- 资源变化：
- 冲突/未知/不可比较项：
- 结论及限定范围：
- 扩大、回滚或补证条件：

F7：复盘质量终检

• [ ] 事实、推论、假设和决定在记录中可区分。
• [ ] 复盘解释能够被未来证据推翻。
• [ ] “不知道”没有被改写为听起来完整的根因。
• [ ] 瞬时故障、一次成功和局部偏好没有升级为永久全局规则。
• [ ] 改进验证没有复用产生候选经验的同一套自我解释作为独立证据。
• [ ] 被拒绝、被替代和过期经验保留原因及替代记录，而非静默删除。
• [ ] 当前状态、责任者和唯一下一步明确。

高质量复盘的产物不是更多规则，而是更少、更窄、可验证、可撤销的改变。