Personal Knowledge Growth Analyzer

技能定位（Purpose）

Personal Knowledge Growth Analyzer 是一个运行在本地项目目录中的分析型 Agent Skill，用于帮助用户回顾与理解自己在一段时间内的知识输入、表达方式与认知变化。

该技能以 阶段性分析（Stage Analysis） 为核心单位，强调对“变化过程”的观察，而非对用户整体能力或性格的定性判断。

---

核心原则（Core Principles）

• 技能关注结构与变化，而非结论性评价
• 分析结果应当可追溯、可对照、可修正
• 阶段性判断不自动上升为长期定性
• 技能不会假设对用户的“完全理解”

---

输入范围与扫描规则（Input Scope）

• 默认以当前项目目录作为分析输入空间
• 递归扫描子目录中的可解析文本材料
• 当前直接支持的文件类型：
  • Markdown（.md）
  • Text（.txt）
  • CSV（.csv）

永久忽略内容

• 系统与工具目录（如 .claude/、.git/、.specstory/）
• 分析输出目录（analysis-output/）
• 配置类文件（.yaml、.yml、.json）

当检测到 PDF、Word、PPT 等复杂格式文件但当前无法解析时，技能会提示用户可选的后续路径，但不会主动修改系统环境。

当前版本不支持对以下类型进行解析与分析：

• 表格型二进制文件（如 Excel）
• 图像文件
• 视频文件 这些文件将被自动忽略，不进入扫描或提示流程。

---

时间策略（Time Strategy）

首次运行（Cold Start）

当项目中不存在任何历史分析输出时，视为首次运行。

• 分析时间范围默认限定为：
  • 当前时间向前回溯 6 个月
• 该策略用于：
  • 控制首次分析的输入规模
  • 避免因历史材料过多导致的性能问题
  • 建立一个可用的阶段分析基准

---

后续运行（Incremental Run）

当项目中已存在历史分析输出时：

• 分析时间起点：
  • 上一次分析所覆盖的最晚文件时间
• 分析时间终点：
  • 当前项目中最新的文件时间

后续运行仅关注新增输入所形成的阶段变化。

---

阶段性分析（Stage Analysis）

阶段的定义

阶段指在一段时间内出现的、具有较高输入密度与结构特征的材料聚集区间。

技能在每次运行中最多识别并分析一个最近阶段。

---

阶段分析内容

每次阶段分析将生成结构化输出，可能包含：

• 阶段时间范围与背景说明
• 材料结构与主题聚集特征
• 表达与记录方式的阶段性特征
• 技能使用痕迹与潜在断层

阶段分析描述的是这一阶段中的表现，不等同于长期特征判断。

---

执行流程说明（Execution Flow）

在一次完整的 Skills 执行中，系统默认按以下顺序运行：

1. 扫描当前项目目录中的可解析文本材料，忽略系统目录与历史分析输出
2. 根据运行状态判定分析策略：
   • 首次运行：执行回顾型分析（Initial Review）
   • 后续运行：执行阶段检测与阶段性分析
3. 由脚本生成结构化的阶段分析结果，并输出为 Markdown 文件
4. 在结构化分析完成后，Agent 将依据本技能中约定的行为规范，对输出文件中的 「阶段语义分析（AI 辅助）」 部分进行语义补写
5. 语义补写仅作用于指定区块，其余内容保持不变
6. 最终生成的分析文件同时包含：
   • 脚本生成的结构化分析结果
   • Agent 补写的解释性语义分析内容

语义补写过程不改变阶段边界、时间范围或分析完整性标注，其输出受 「Agent 行为约定：阶段语义分析（AI 辅助）」 的严格约束。

---

历史输出说明

Skills 不会自动清空、覆盖或删除已有的 analysis-output 历史分析结果。 每次运行仅会在原有结果基础上追加新的阶段分析。 如需从零开始重新分析，需由用户手动删除 analysis-output 目录后再运行本 Skills。

---

关于语义分析的可选性说明

在默认情况下，Skills 会自动生成阶段语义分析。

如用户明确表示仅需要结构化分析结果，可在执行过程中跳过语义补写步骤；此时输出文件中对应区块将保留占位说明，不生成 AI 语义内容。

---

分析完整性说明（Analysis Completeness）

每一次阶段分析都会标注分析完整性状态：

• complete：当前分析已覆盖所有可解析材料
• partial：存在尚未解析或未纳入分析的材料

完整性状态用于说明分析边界，不影响分析是否执行。

---

个人画像基准（Baseline）

Baseline 的角色

Baseline 用于描述用户在较长时间尺度下的稳定输入结构与表达倾向，作为阶段性分析的长期参照。

Baseline 不作为 AI 是否可以进行深入分析的前置条件，仅影响判断的语义权重。

---

Baseline 的状态

Baseline 仅区分两种状态：

• 未确认
  • 可作为参考背景
  • 不作为长期稳定结论使用
• 已确认
  • 可作为长期稳定参照
  • 可用于跨阶段对照与长期判断

---

Baseline 的生成与提示

• 技能会维护一个 baseline.md 文件
• 在每次运行中，Baseline 内容可能被更新，但默认状态为 未确认
• 技能会在运行结束时提示当前 Baseline 状态与确认方式
• 只有在用户明确确认后，Baseline 状态才会变为 已确认

---

AI 分析行为约束（总则）

在本 Skills 中，AI 的分析能力不受限制，但其判断的固化程度需受到控制。

• 当 Baseline 尚未确认时：
  • 分析应以阶段性观察、变化信号与结构特征为主
  • 避免形成长期、稳定的定性判断
• 当 Baseline 已确认后：
  • 可将其作为长期稳定参照，用于跨阶段对比与演进分析

Baseline 的存在与否，不限制分析深度，仅影响结论的长期指向性。

---

Agent 行为约定：阶段语义分析（AI 辅助）

（以下内容结构保持不变，仅修正 Markdown，不再重复粘贴）

---

输出说明（Outputs）

• 每次运行将生成阶段性分析输出文件
• 输出内容为分析快照，不会覆盖历史结果
• 输出文件用于后续对照、回顾与再分析

---

非目标与边界（Non-Goals）

当前版本不以以下目标为设计重点：

• 自动生成性格或能力结论
• 对用户进行价值判断或路径规划
• 全量扫描用户所有历史资料
• 在未明确确认的情况下固化用户画像

---

设计立场说明

本技能的目标不是替代用户理解自己，而是提供一种可重复、可对照、可演进的分析视角，帮助用户观察自身在时间维度上的变化。

分析结果应被视为参考，而非定论。