# 飞轮智能成长

炼境通过管理项目产生的多维数据反哺自身，形成可自我进化的成长闭环。
核心愿景：让炼境像一把可成长神器，执行数据越积越多，自身越来越好用。

## 背景

现有飞轮仅覆盖一个维度：usage.json 指标 → 梦核分析 → CONVENTIONS 建议。
复盘笔记、任务时长、返工率等执行质量数据已在采集，但没有进入任何反哺路径——数据在"睡觉"。

本模块分三个阶段逐步打通数据→改善的完整闭环。

## 阶段触发条件

- **阶段二启动条件**：阶段一上线后，梦核输出中稳定出现"高频陷阱摘要"板块，且跨项目复盘笔记数量 ≥ 20 条
- **阶段三启动条件**：阶段二运行 ≥ 3 个月，accumulated 数据覆盖 ≥ 15 个项目，usage.json 携带 rework_count 和 avg_rounds 字段

---

## 任务卡

### ✅ 阶段一：复盘笔记接入梦核飞轮
- status: done
- complexity: M
- files: src-tauri/src/commands/blueprint_feedback.rs, src/components/blueprint/FlywheelPanel.tsx
- acceptance: 梦核 prompt 构建时聚合所有项目的 project_notes；Opus 输出新增"高频陷阱摘要"板块，列出跨项目重复出现的踩坑模式；本地验证：有复盘笔记的项目数据能正确注入 prompt

阶段一详细设计：
- 梦核 prompt 模板增加输入段：通过 MCP 读取各项目 project_notes，按"任务类型 × 是否返工"分组
- Opus 输出格式新增板块：
  ```
  ### 高频陷阱（跨项目复盘笔记聚合）
  - <任务类型>：<踩坑描述>，出现 N 次（项目：A、B、C）
  ```
- 修改点：梦核 prompt 构建逻辑（Rust 侧）

---

### 阶段二：usage.json 扩展采集维度
- status: todo
- complexity: M
- depends: flywheel-intelligence（阶段一完成后启动）
- files: src-tauri/src/commands/blueprint_flywheel.rs
- acceptance: usage.json 快照新增 complexity_dist、rework_count、avg_rounds_M 字段；字段值从复盘笔记解析填充；梦核分析可输出"M 级任务实际轮数 vs 预估"对比

阶段二详细设计：
```json
"tasks": {
  ...现有字段...,
  "complexity_dist": { "S": 12, "M": 8, "L": 0 },
  "rework_count": 3,
  "avg_rounds_M": 2.4
}
```
- rework_count 和 avg_rounds 从项目 project_notes 中解析"实际轮数"字段聚合

---

### 阶段三：执行质量预测层
- status: todo
- complexity: L
- depends: flywheel-intelligence（阶段二完成且数据积累达标后启动）
- files: TBD（需 /architect 后确定）
- acceptance: TBD

阶段三方向（待 /architect 设计）：
- 任务完成时长分布（为 S/M/L 定义时间基准）
- 高风险任务预警（特定文件组合 → 历史高返工率）
- 跨项目模式库推荐

> ⚠️ 阶段三为 L 级复杂度，到时须先走 /architect → /splitter 流程，禁止直接写代码。

## 决策记录

- 三阶段串行而非并行：数据积累需要时间，阶段二依赖阶段一跑出足够复盘笔记，阶段三依赖阶段二的字段扩展；提前建设无数据支撑的预测层是无效投入
- 蓝图管理而非单独文档：三阶段是对炼境自身的迭代开发，bluepint 的 depends 字段天然表达阶段间的触发关系，可视化面板也能直接展示当前在哪个阶段
- 不存 CONVENTIONS 全文历史到 DB：Git 已有版本记录，效果对比通过 usage.json 的 conventions_version 分组已足够