Error Experience Library

用途

• 自动从错误中学习：每次错误解决后，将根因-解决方案对沉淀到经验库
• 历史查询：遇到错误时，先查询经验库是否有已知模式
• 反馈更新：根据实际解决结果更新经验库的成功/失败计数
• 持续优化：高成功率的模式优先推荐，低成功率的模式标记为警示

核心操作

1. 记录错误模式 (record)

当成功解决一个错误后，将经验沉淀：

错误类型: [如: build_error, runtime_error, type_error]
错误信息片段: [可匹配的关键词]
根因: [为什么会发生]
解决方案: [如何修复]
语言/框架: [如: python, typescript, react]
文件模式: [可选，如: **/*.ts]
标签: [如: null-check, async, import]

2. 查询错误模式 (search)

遇到错误时，先查询经验库：

查询关键词: [错误信息或类型]
返回: 按成功率排序的匹配模式

3. 提供反馈 (feedback)

解决方案验证后，更新成功率：

pattern_id: 模式ID
success: true/false

存储位置

• 本地：~/.claude/memory/error_experience/patterns/
• 每个模式一个 JSON 文件，包含 success_count 和 failure_count

触发信号

• 遇到 build error 或 runtime error 时
• 成功解决错误后，应该记录到经验库
• 使用 /error-lookup 命令快速查询

配合约束

1. 记录时尽量包含具体的错误信息片段，便于后续匹配
2. 根因要具体，不要只写"代码有 bug"
3. 解决方案要包含具体的修改内容
4. 标签要准确，便于按领域查询
5. 验证结果后务必提供反馈，更新成功率

相关工具

• scripts/lib/memory_store.py - 底层存储接口
• search_error_patterns() - 查询模式
• save_error_pattern() - 保存新模式
• record_pattern_feedback() - 记录反馈

命令接入

• /error-lookup <关键词> - 查询历史错误模式
• /error-record - 记录当前错误的解决方案
• /error-feedback <pattern_id> <success|failure> - 更新反馈