Reflect 對話結束前的結構化反思。從本次對話中萃取值得長期保留的知識，避免同樣的坑踩兩次。 --- Step 0: 掃描對話 回顧完整對話歷史，標記以下事件： 任務清單 列出本次對話完成的所有任務： - 任務描述（一句話） - 結果：成功 / 部分成功 / 失敗 - 涉及的關鍵檔案 錯誤與阻塞 列出所有遇到的問題： - 工具呼叫失敗 - 方向錯誤後修正 - 使用者否決的方案 - 重試或 workaround 使用者回饋 列出使用者的明確偏好表達： - 「不要這樣做」「改用 X」 - 對產出品質的評價 - 工作流偏好 ARGUMENTS 過濾 如果 ARGUMENTS 指定了 focus，只深入分析對應類別。預設 。 --- Step 1: 萃取學習 從 Step 0 的事件中萃取可複用的知識： 1A. 技術發現 - 工具/API 的非直覺行為 - 繞過限制的有效方法 - 效能觀察（什麼快、什麼慢） 1B. 模式識別 - 重複出現的工作流（值得自動化？） - 本次對話中反覆使用的技巧 - 跨任務的共通解法 1C. 錯誤根因 - 每個錯誤的根本原因（不是表面症狀） - 下次如何避免 - 是否為已知問題的新變體 1D. 使用者偏好 - 新發現的偏好（寫入 memory） - 已知偏好的例外情況 - 溝通風格觀察 --- Step 2: 識別機會 2A. 新 Skill 機會 本次…