---

name: lov-feedback-loop description: > 把用户对 Agent 的被动情绪与主动点赞、点踩、评分变成可统计的反馈事件， 按任务、技能、规则、全局 Prompt 的最小作用域迭代，并生成满意度复盘报告。 Use when the user rates a run, asks for satisfaction stats, or installs the feedback loop into another agent. license: MIT compatibility: "Portable Agent Skills format. Python 3.8+ standard library only; PyYAML only for validation." depends_on:

• lov-branding-consistency metadata: author: LovStudio version: "0.3.0" card_standard: lovstudio/skill-card/v1 content_class: deterministic-output tags:
  • feedback-loop
  • satisfaction
  • prompt-tuning
  • logging
  • reporting internal: true # plaintext source — never installed; the encrypted public/SKILL.md is what users get

---

反馈飞轮 · Feedback Flywheel

四个用户可见的入口：评价、回扫、复盘、接入。 自动链路（情绪感知 → 落账 → 规则迭代）不经过 skill 路由，由根 Prompt 的 反馈与迭代规则加上 references/protocol.md 直接驱动；本 Skill 提供主动入口， 同时为自动链路提供协议与脚本。

Triggers

Activate when

• 用户对上一轮结果表态：“做得很棒”“太差了”“还是不行”“这次可以”。
• 用户主动 judge：👍、👎、❤️、🎉、🤔、“这次我给 4 分”、“rate this run”。
• 用户要回扫：“回扫我最近的会话，找出还没闭环的不满”。
• 用户要看统计：“给我一份满意度报告”“看看我最近对 AI 哪里不满意”。
• 用户要接入：“把反馈飞轮装进我的 AI”“install the feedback loop into my agent”。

Do not activate when

• 用户只是在描述常规业务需求，没有对结果表态；直接执行原任务。
• 用户要长期记住偏好而不是评价本轮结果；交给记忆或 Profile 机制。

能力与脚本

入口	做什么	脚本
评价	表情、短评、打分归一成事件，回一行收据	scripts/feedback_store.py append
回扫	从会话 JSONL 提取用户消息，供判定	scripts/scan_session.py
复盘	趋势、未闭环清单、修复时长	scripts/report.py
接入	托管块 + 技能链 + 账本，先 dry-run	scripts/install_feedback_loop.py

判定口径、作用域阶梯与状态机见 references/protocol.md， 字段定义见 references/store-schema.md， 宿主路径见 references/host-adapters.md。

Workflow (MANDATORY)

Step 0: 定位

• 在 Skill 根目录运行脚本；账本默认 ~/.feedback-loop/，可用 FEEDBACK_LOOP_HOME 或 --store 覆盖（--store 写在子命令前后都可以）。
• 缺少脚本或协议时先报出缺失路径，不产出半成品。

Step 1: 捕获

• 主动评价按下方词表映射；用户明确给出的强度覆盖默认值。
• 被动情绪按协议判定：必须有原话证据，confidence 小于 1；强度 1–2 只在形成 重复模式时落账。
• 回扫历史时先跑 scripts/scan_session.py --file <会话 JSONL> --last 40， 再对提取出的用户消息做判定。

Step 2: 落账

python3 scripts/feedback_store.py append \
  --channel explicit --polarity positive --intensity 5 --kind delight \
  --confidence 0.95 --evidence "👍 做得很棒" \
  --host codex --session-id <会话 id> --scope task

• 写入前经过去重与凭据遮蔽；重复输入由账本在 10 分钟内自动去重。
• 落账成功后回一行收据，失败时如实报告，不假装已记。

Step 3: 归因分流

• 先判断 task-specific 还是 reusable；任务特定只改当前产物。
• 可复用反馈按 task → skill → reference → root-prompt 找最窄作用域； 最小改动清单见协议。

Step 4: 闭环回填

• 负信号先做最小修复并在原路径回读，再回填 change-applied 或 verified。
• 只有 verified 视为闭环；未完成写 change-proposed 并给出复查条件。

python3 scripts/feedback_store.py update \
  --event-id <事件 id> --status verified \
  --action "<做了什么>" --verification "<怎么回读>"

Step 5: 复盘

python3 scripts/report.py --since 30d --out <输出目录> --json

交付 Markdown 与自包含 HTML，回读 total、unresolved、satisfaction 三个数字。 默认不自动打开浏览器。

Step 6: 接入其他宿主

python3 scripts/install_feedback_loop.py --host codex --dry-run
python3 scripts/install_feedback_loop.py --host codex

• 只写托管块，块外内容不动；改动前备份。
• 技能目录默认软链到本真源，跨设备分发用 --copy。
• 完成后回读：软链解析、托管块计数、块校验和、账本可写。

Step 7: 自检

python3 scripts/feedback_store.py verify
python3 scripts/validate_skill.py .

评价词表

用户输入	polarity	intensity	kind
👍、做得很棒、好耶	positive	4	praise
❤️、🎉、🔥、完美、就是这个	positive	5	delight
👌、没问题、通过	positive	3	approval
🤔、还行、一般、勉强	mixed	3	lukewarm
👎、不行、不对	negative	4	dissatisfaction
💩、😡、太差了、气死	negative	5	anger
又错了、还是老问题	negative	4	repeat_complaint
改一下这里：具体内容	negative	3	correction
n/5 或“打 n 分”	1–2 负、3 混合、4–5 正	max(n,3)	按极性给 dissatisfaction、lukewarm、praise、delight

收据用简体中文、不用 emoji、不加感叹，一行说清记录、作用域与下一步。

User Profile (cross-session)

本 Skill 通过 skill.yaml 读取共享 user-profile/v1：用户、品牌、工作区、偏好与 skills.lov-feedback-loop。用户直接说出的长期偏好，用 scripts/profile_store.py record --confirm 写回并报告保存路径；不写入凭据。

Dependencies

• 运行：Python 3.8+ 标准库。
• 校验：PyYAML（仅 scripts/validate_skill.py）。
• 外部服务：无；账本默认只写本地磁盘。