核心用法
Reflect 是一种独特的 AI 自我改进机制，通过分析对话中的纠正信号和成功经验，将学习成果永久编码到 Agent 定义中。用户可通过 reflect、reflect on/off 等命令触发，支持自动/手动两种模式。
工作流程分为五步：1) 扫描对话中的纠正信号（高/中/低三档置信度）；2) 将信号分类映射到目标 Agent 文件；3) 识别值得升级为独立 Skill 的学习；4) 生成结构化改进提案；5) 经用户批准后应用变更。
显著优点
- 持久化改进：不同于单次会话的上下文学习，变更写入文件永久生效
- 精准信号检测：基于关键词（never/always/perfect 等）的三级置信度体系
- 智能分类映射：自动识别代码风格、架构、流程、领域知识等类别并路由到对应 Agent
- 质量门槛过滤：新 Skill 需通过「可复用、非平凡、具体、已验证、无重复」五项检验
- 人机协作：所有变更须经用户显式批准（Y/N/modify/选择性应用），支持查看完整 diff
潜在缺点与局限性
- 依赖自然语言信号：若用户未使用明确纠正词汇（如 "never"），可能漏检
- 分类映射静态化：agent_mappings.md 需要手动维护更新
- 存储分散：学习成果分布在项目级（
.claude/）和用户级（~/.reflect/）两个层级 - 冲突检测有限：仅警告规则冲突，复杂逻辑冲突需人工判断
- 冷启动问题：新 Agent 尚未积累学习时效果有限
适合人群
- 需要与 AI 建立长期协作关系的开发者团队
- 对代码规范、架构决策有一致性要求的项目
- 频繁调试特定领域问题（如 React 水合错误）的前端工程师
常规风险
- 过度拟合个人偏好：若单人用户的特殊习惯被编码，可能影响团队协作
- 规则膨胀：长期积累可能导致 Agent 定义文件臃肿
- 误信号风险：用户口语中的 "never" 可能被误判为明确指令
- 权限安全：具备 Write/Edit 文件权限，需确保
.claude/目录访问可控