核心用法
ia-reflect 是一个结构化复盘工具，触发条件包括：显式要求反思、回顾、复盘，或审计会话效果。执行流程涵盖七个阶段：
1. 会话扫描：按 Mistakes/Friction/Wasted effort/Wins 四象限分类，每个发现必须引用具体对话片段及其影响
2. 代码评审扫描（双向）：检测 inbound（被评审）和 outbound（评审他人）的评审陷阱模式，捕获反复出现的盲点
3. 运营洞察提取：应用「5分钟法则」——仅保留能节省未来5分钟以上的项目特定知识
4. 改进清单：最多10条可执行、 imperative 格式的改进项，询问用户哪些需要持久化到记忆文件
5. 技能审计：若会话中调用了其他技能，检查其 Success Criteria、Self-Check 缺失情况，评估 token 效率
6. 捕获标记处理：识别 remember: 前缀（最高优先级）及各类修正模式，去重后写入 ~/.claude/projects/<slug>/memory/
7. 模式检测：发现2次以上重复任务且无现成技能覆盖时，建议新建技能
显著优点
- 强制引用机制：每个问题必须锚定到具体对话，杜绝空泛总结
- 评审陷阱专项：双向代码评审的盲点捕获是独特设计，对开发团队价值极高
- 记忆去重与冲突处理：写记忆前 grep 现有文件，近则更新、矛盾则提请用户决策，避免记忆腐烂
- 可量化输出：改进项 imperative 格式 + 技能审计的 diff 提案，可直接执行
- 渐进式触发：自动检测挫败信号并建议
/ia-reflect，降低用户认知负担
潜在缺点与局限性
- 依赖完整对话历史：若会话过长或上下文被截断，复盘质量下降
- 外部工具失败豁免：明确跳过工具级错误，可能漏掉真正的系统性问题
- 10项改进上限硬截断：高复杂度会话可能被迫丢弃低优先级但仍有价值的改进
- 记忆路径耦合：强制使用
~/.claude/projects/<project-slug>/memory/结构，非标准工作流需适配 - 无自动执行钩子：
UserPromptSubmithook 仅文档化未实现，实时捕获依赖用户手动触发
适合人群
- 高频使用 AI 辅助编程、需持续优化协作效率的开发者
- 团队技术负责人，需沉淀代码评审规范与项目特定约定
- 追求「可观测的 AI 协作」、希望将隐性经验显性化的进阶用户
常规风险
- 过度复盘：低价值会话强制走完整流程可能产生分析瘫痪
- 记忆膨胀：
remember:滥用或去重机制失效将导致记忆文件臃肿 - 冲突决策疲劳：频繁出现矛盾记忆条目时，用户可能选择「保留两者」而非合并，长期累积技术债务
- 隐私暴露：引用具体对话片段时可能包含敏感信息，需确保记忆文件存储位置的访问控制