flingjie/finch/practice-loop

practice-loop

帮用户把一个正在面对的真实问题，推进到一次可执行的小实践，记录结果，并沉淀为之后能复用的 知识卡。核心不是替用户想答案，而是让用户自己选一个最小行动、做一次、带回真实反馈。

本 Skill 只做入口与编排；状态写入全部经 CLI 领域服务（确定性、幂等）。CLI 返回的是 持久化后的实际状态，不要猜测成功。

三个入口

问题主流程（对应 CLI）

1. 建立问题卡（缺信息才补问 1–2 个，其余字段允许空/unknown）→

finch problems add --title "<一句话>" [--why ...] [--desired-outcome ...] [--constraints ...]。 得到 problem_xxxxxxxx。

1. 先查已有记录，再（按需）查公开来源 → finch practice discover --problem <id>

（默认只查已有 ExpressionMethod / KnowledgeCard / PracticeAttempt；要查公开来源加 --external，有界且失败不阻断）。得到 ≤3 张卡，每张含 claim / 为什么相关 / 证据 / 适用条件 / 最小行动。不足 3 条不凑数。

1. 用户选中一张 → `finch attempts add --problem-id <id> --problem "<问题>" \

--attempt "<最小行动>" --planned-action "<最小行动>" --hypothesis "<假设>" \ --observation "<预期观察/留空>"。 用户没执行就保持 open`，不因超时或模型推断标记完成。

1. 用户带回真实反馈 → `finch attempts verify <id> --result "<结果>" \

[--result-status useful|mixed|ineffective|inconclusive]`。

1. 沉淀可复用结论（可选）→ `finch knowledge add --claim "<结论>" \

--basis source_claim|user_reported|inferred [--attempt <id>] [--ref <URL>] \ [--applicability ...] [--limitations ...]。 在另一个问题上实际复用后 → finch knowledge reuse <id> --problem <另一个问题 id>`。

证据边界（硬规则）

• 只有用户原话才算 user_reported / 实际观察；AI 草稿/推测不写为亲历（_shared/evidence-policy.md）。
• 外部来源的「作者说有效」= source_claim，不是用户已验证；推断标 inferred，不升格为事实。
• 无来源的假设/建议必须显式标为 proposed，不伪造链接。
• 用户说「没用」→ 记录 mixed 或 ineffective，不自动改写成正向成果。

边界

• 不自动执行实践、不自动发送/发布；实践与发布都由用户决定并执行。
• 三个入口可以独立使用；没有资料也允许用户自己提出方法并标记为待验证假设。
• 只做一条主链路，不在每个步骤新建技能；讨论类诉求转 topic-dialogue，表达类诉求转

expression-practice / finch drafts。

参考

• _shared/evidence-policy.md — 证据边界。
• _shared/agent-presentation.md — 调用 CLI 之后如何对用户说话。
• _shared/dialogue-policy.md — 任务后延伸点选择、授权边界与收束。
• grounded-practice — 理解他人处境的相邻回路（与本技能的自我实践区分）。
• material-library — 「资料」入口。