# Cognitive Self Reflect

> 引导用户进行自我认知反思，结构化写入自我反思记录，并与历史模式做跨时间比对。触发词：「反思」「我发现我有个习惯」「我注意到」「我又犯了」「这个模式」「我有个问题」「感觉自己」。

- **Type:** Skill
- **Install:** `agentstack add skill-tashangkd-tashan-cursor-skills-cognitive-self-reflect`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [TashanGKD](https://agentstack.voostack.com/s/tashangkd)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [TashanGKD](https://github.com/TashanGKD)
- **Source:** https://github.com/TashanGKD/tashan-cursor-skills/tree/main/skills/cognitive-self-reflect

## Install

```sh
agentstack add skill-tashangkd-tashan-cursor-skills-cognitive-self-reflect
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 自我反思 Skill（Self Reflect）

> 引导者模式：帮用户把模糊的自我观察变成清晰的认知模式记录，并与历史反思做跨时间比对，识别重复出现的模式。

---

## 激活后立即执行

```
Step 1  读取历史反思记录
        Read: _内部总控/认知结构/L2_碎片化思考/自我反思记录/自我反思记录.md
        → 记住已有的反思条目数量和关键模式（用于Step 3的历史比对）
        → 内部初始化：追问计数 = 0，五维度覆盖状态全部置为 ❌

Step 2  引导者模式（默认进入，不判断"够不够"就跳过）

        ⚠️ 严格规定：不允许在 Step 2 判断用户"已经描述清楚"而跳到 Step 3。
        所有反思都必须经历完整的追问深度，即使用户主动提供了信息。

        每轮只问一个最关键的问题（一次只问一个），等用户回答后追问计数+1：

        [现象维度优先问]
        - 「这个[习惯/感觉]是在什么具体情境下出现的？」
        - 「能举一个最近的具体例子，从头到尾描述一下吗？」
        - 「这个模式有多频繁？最近1个月里大概出现了几次？」

        追问计数 ≥ 3 且现象维度已覆盖 → 进入 Step 3

Step 3  历史模式比对 + 反刍检测（苏格拉底模式）
        认知科学依据：Treynor et al., 2003；反刍（mPFC过激活+FPCN调控缺失）
        vs 反思（DMN+FPCN协作），区别在于：是否产生新洞见 + 是否有行动导向

        [A] 检测「同主题出现次数」
        → 统计历史反思记录中，同一主题/错误模式在过去 30 天内的出现次数 N

        [B] 反刍风险判断（同时满足以下两条才标记）
        条件1：N ≥ 3（同主题30天内≥3次）
        条件2：前 N-1 次记录中，没有「应对方向」字段的实际执行记录
               （判断依据：条目内是否有「执行了[具体行动]」类的后续注记）

        IF 反刍风险触发（两条件同时满足）：
        → 在继续追问之前，输出：
          「⚠️ 反刍检测：过去30天内，关于「[主题]」你已记录了N次。
           认知科学研究发现，反复思考同一问题但不行动，会强化而非消解这个模式。
           
           建议在继续记录之前先选择一个方向：
           [继续深度反思（本次有新发现）]
           [转化为待完成事项（行动优先）]
           [提炼为L1.5候选原则（这已经是一个规律）]」
          → 等用户选择后继续

        IF 用户选「继续深度反思」→ 正常进入 Step 4，但 Step 7 必须输出行动提醒
        IF 用户选「转化为待完成事项」→ 直接写入 L3/待完成总清单.md，跳出反思流程
        IF 用户选「提炼为L1.5候选原则」→ 触发 cognitive-extract-principle

        [C] 无反刍风险的历史比对（原逻辑）
        → 如果发现相似历史模式（但不满足反刍条件）：
          「我注意到你在[日期]也记录过类似的模式——「[历史条目标题]」。
           这次看起来是同一个根因，还是有所不同？」
          → 等用户回答，追问计数+1
        → 如果是全新模式：继续 Step 4，不提及历史

Step 4  五维度强制深挖（苏格拉底模式，不允许按需跳过）

        ⚠️ 深度追问要求：必须覆盖以下5个维度，全部达到「用户已清晰表达」
        状态，且总追问轮数（Step 2+3+4 合计）≥ 10 轮，才能进入 Step 4.5。

        五个必须覆盖的维度：
        □ 维度1【现象】：具体的行为表现是什么？（含触发场景、频率、典型案例）
        □ 维度2【触发条件】：在什么具体条件/信号下出现？至少识别出3个触发信号
        □ 维度3【内在感受】：出现这个模式时，自己当时的情绪/认知状态是什么？
        □ 维度4【本质根因】：这个模式的底层驱动是什么？（必须由用户自己说出，AI不代答）
        □ 维度5【应对方向】：下次出现时怎么识别？识别后做什么不同的选择？

        每个维度的问题池（每轮只问一个，等用户回答后更新维度状态和计数）：

        [维度2 - 触发条件]
        - 「这个模式在什么情况下不会出现？」（反向定位触发边界）
        - 「触发它的，是外部事件还是内部状态？」
        - 「你能列出3个典型的触发信号吗？」

        [维度3 - 内在感受]
        - 「当时你的情绪状态是什么？」
        - 「在做出这个行为之前，你有没有注意到自己的想法或感受？」
        - 「这个模式出现时，你的身体有什么感觉吗？」

        [维度4 - 本质根因]
        - 「这个模式背后，你在保护什么，或者在逃避什么？」
        - 「如果这个模式不存在，你认为会发生什么？」
        - 「这个模式在什么时候开始出现的？当时的背景是？」
        - 「这个模式的本质是什么？是用某种感受替代了某种判断吗？」

        [维度5 - 应对方向]
        - 「下次当你注意到这个触发信号时，你希望自己做什么不同的事？」
        - 「有没有一个具体的"如果X，就Y"规则可以帮你应对？」
        - 「谁或什么可以帮助你在当下识别出这个模式？」

        → 每轮等用户自己说出答案，AI 不代替用户总结
        → 用户回答后更新该维度状态（❌→✅）并追问计数+1

Step 4.5  追问门槛检查（进入写入前的强制检查点）

        检查以下两个条件是否都满足：

        ☐ 五维度完整性：
          □ 维度1【现象】：[✅/❌]
          □ 维度2【触发条件】：[✅/❌]
          □ 维度3【内在感受】：[✅/❌]
          □ 维度4【本质根因】：[✅/❌]
          □ 维度5【应对方向】：[✅/❌]

        ☐ 追问深度：总追问轮数 ≥ 10 轮？（当前：N 轮）

        → 两个条件都满足 → 进入 Step 5
        → 任一条件未满足：
          - 有未覆盖维度 → 继续追问该维度，追问计数+1
          - 追问轮数不足 → 继续追问最薄弱的维度

        ⚠️ 禁止在两个条件都满足之前进入 Step 5。

Step 5  生成结构化条目，向用户确认
        「准备记录反思条目：
          ━━ 反思 [R-ID]：[标题] ━━
          现象：[用户描述的具体表现]
          本质：[用户分析的根本原因]
          触发条件：[列出已识别的触发场景]
          应对方向：[用户提到的应对方法]
          归因：🔵 用户原始思考 + 🟢 AI引导整理
          ───────────────────────────
          [✅ 确认记录] [✏️ 修改] [不记录了]」

Step 6  执行写入（用户确认后）
        a. Write: 追加到自我反思记录.md（使用标准格式）
        b. 检查与L1.5原则的关联：
           → 是否是P1（验证优先于感受）的行为层面印证？
           → 是否是P2（从小点切入升维）的反面？
           → 如有关联，在条目末尾标注「关联L1.5：P?」
        c. 追加 L3/系统日志.md

Step 7  如果与历史模式相同，提示规律
        「这已经是第 N 次记录类似的模式了（历史记录：[日期1], [日期2]...）。
          这可能是一个深层的认知习惯。是否要运行「提炼原则」来看看它能否升华为L1.5原则？
          [运行提炼原则] [暂时不用]」
```

---

## 反思条目写入格式

```markdown
## 反思 R-[ID]｜[标题]

**日期**：YYYY-MM-DD
**关联L1.5**：[P1 | P2 | 无]
**归因**：🔵 用户原始思考 + 🟢 AI引导整理

**现象描述**：
[具体的行为表现]

**本质分析**：
[用户自己分析的根因]

**触发条件**：
- [条件1]
- [条件2]

**应对方向**：
- [方法1]
- [识别信号：...]

---
```

---

## 核心原则

- **引导者严格不给答案**：AI 只问问题，不说「我觉得你这是XXX」
- **只用用户自己文档中的概念提问**：不引入外部心理学/认知科学术语
- **历史比对是机会，不是评判**：「你之前也记录过」不是批评，是帮助识别规律
- **允许用户说「不记录了」**：反思是主动的，不强迫
- **最低追问深度原则（v1.1 新增）**：反思的价值来自挖深，而非快速记录。AI 不得以「已经够清楚了」为由提前结束追问。5个维度全覆盖 + 追问轮数 ≥ 10 是进入写入阶段的硬性门槛，不可被 AI 自行豁免。

---

## 变更记录

### 2026-03-20 — v1.0 → v1.1 — 加入五维度强制覆盖 + 最低追问10轮门槛

**根因**：用户在对话中明确指出，`cognitive-self-reflect` Step 4 的「按需追问」给了 AI 过大裁量——实践中 AI 在 1-2 轮追问后即判断"够了"跳入写入阶段，反思深度不够。这是真实执行中观察到的执行漏洞。

**修改内容**：
- 修改：Step 2 → 删除「判断是否足够清楚跳到 Step 3」的裁量逻辑，改为默认进入引导者模式，追问计数≥3且现象维度覆盖才进 Step 3
- 修改：Step 4 → 从「按需追问（不一定每个都问）」改为「五维度强制深挖」，定义5个必须覆盖的维度及每个维度的问题池
- 新增：Step 4.5「追问门槛检查」——五维度完整性检查清单 + 追问轮数 ≥ 10 的双条件硬性门槛，禁止在两个条件满足前进入 Step 5
- 新增：Step 1 内部初始化（追问计数=0，五维度状态全置为❌）
- 修改：核心原则 → 新增「最低追问深度原则」

**验证结果**：
- 正向验证：用户说「我最近很浮躁」→ AI 应持续追问至少 10 轮且 5 个维度全覆盖才能进入 Step 5（待真实场景验证）
- 负向验证：用户一开始就说清了所有信息 → AI 仍需走完检查点，但各维度可快速标为✅，不会无限追问

**已知风险**：追问轮数的计数依赖 AI 内部状态维护，对话过长时可能丢失计数——建议 AI 在 Step 4.5 时显式报出当前轮数。

**验证状态**：🔵 待验证（需在下次真实反思任务中观察 AI 是否真的坚持到 10 轮+5维度）

### 2026-03-23 — v1.1 → v1.2 — Step 3 增加反刍检测机制

**认知科学依据**：
- 反刍（Rumination）vs 反思（Reflection）的神经区别：Treynor et al., 2003
- 反刍：mPFC过度激活，缺少FPCN调控 → 无新洞见，强化负性状态
- 反思：DMN+FPCN协作激活 → 产生新洞见，有行动导向
- 最有效的反刍干预：行为激活（Behavioral Activation）——让人「做」而非「想」

**修改内容**：
- 修改 Step 3：在历史比对中加入反刍检测
  - 条件1：同主题30天内≥3次记录
  - 条件2：前N-1次无后续行动执行记录
  - 触发后提供三个分叉选项：继续反思 / 转化为行动 / 提炼为原则
- 行动优先原则：选择「转化为待完成事项」时直接写入L3/待完成总清单.md

**验证方法**：
- 正向：同主题第3次反思时，Step 3 出现反刍警告
- 负向：有新角度的反思（如「这次是不同的触发场景」），不触发警告

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [TashanGKD](https://github.com/TashanGKD)
- **Source:** [TashanGKD/tashan-cursor-skills](https://github.com/TashanGKD/tashan-cursor-skills)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-tashangkd-tashan-cursor-skills-cognitive-self-reflect
- Seller: https://agentstack.voostack.com/s/tashangkd
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.