Skill Work Log

工具是否真的被用過要回到執行紀錄

這是一套為 Agent SKILL 打造的「執行軌跡與呼叫稽核系統(Skill Work Log)」。當工作區累積了 88 個工具,單靠目錄無法得知哪些真正進入生產任務;系統在每次技能呼叫後,自動將時間、目標、摘要與檔案異動寫入獨立 SQLite,並編譯為可視化的維運日誌儀表板。

真實使用軌跡與熱度透明
追蹤 1,886 筆 SQLite 呼叫紀錄,掌握 86 個技能在實際任務中的真實活躍度。
寫入與唯讀行為精準隔離
自動標記 1,593 筆實體修改與 293 筆純唯讀分析,掌控工具對知識庫的改動邊界。
以真實問題驅動重構與防呆
從反覆出現的呼叫脈絡與修復紀錄,精準鎖定該補文件、加防呆或停止維護的工具。

頁面統計來自 2026-08-30 15:27 的 /check-wf 快照:1,886 筆 SQLite 呼叫紀錄、76 個主要技能訊號,86 / 88 個目錄技能曾參與任務。呼叫多不等於產值高,仍要回到任務脈絡判讀。

skill work log / SKILL 工作紀錄 2026-08-30 15:27 快照
records1,886已追蹤 SQLite 呼叫紀錄
primary_signals7686 / 88 個目錄技能曾參與
modified1,593另有 293 筆只讀分析
latest08-30Asia/Taipei 最新寫入
Plate I 日誌是判讀的起點 2026-08-30 的實際 Dashboard 把 records、signals 與近期活動放在同一頁,結論仍要回到任務脈絡。
Skill Work Log 2026-08-30 真實 Dashboard 總覽畫面

能力目錄還要接上使用紀錄

Workspace Skill Inventory 說明工具存在;Skill Work Log 記下它何時被呼叫、任務是否涉及寫入,以及摘要留下了什麼。兩者對照後,才看得出某個 SKILL 是反覆支援日常工作,或只在建立時試用過。

Look 01

呼叫熱度分析

看哪些 SKILL 在實際任務中被反覆叫用,而不是只停留在 能力目錄 或展示頁。

Look 02

寫入與唯讀佔比

1,593 筆修改紀錄對照 293 筆純唯讀分析,區分工具是在做稽核、整理,還是真的改動筆記與索引。

Look 03

活躍週期頻譜

用 30 天更新趨勢看出使用尖峰,回頭對照那段時間實際在修哪些流程。

Plate II 趨勢圖標出需要回查的日期 排行與尖峰只負責縮小範圍,不能單獨判斷任務成敗。
Skill Work Log 技能呼叫排行與趨勢畫面

SQLite 成為穩定紀錄來源

使用紀錄從 Markdown 移到獨立 SQLite 後,儀表板可以按技能與時間查詢,不必重新解析整份歷史文件。2026-08-30 快照顯示 skill-creatorskill-reviewerdaily-dream-cyclecheck-wfobsidian-brain-ops 反覆出現在規則修補、巡檢與知識整理任務中。

每筆紀錄要照看什麼

work log
  • skill-creator343 次主要參與,代表系統本身仍處於活躍的擴展與規則補強階段。
  • daily-dream-cycle135 次主要參與,集中在 每日增量知識 的清洗、歸檔與審計。
  • check-wf106 次主要參與,負責驅動 知識庫定期巡檢 與靜態重編譯。
  • obsidian-brain-ops102 次主要參與,集中在 本地知識庫讀寫、脈絡查找與後續整理。

現在先不把話說滿

current stage
  • 日誌覆蓋率1,886 筆呼叫軌跡已能看出使用方向,但還不適合拿來做嚴格的統計推論。
  • 卡點模式識別反覆出現的異常與修補任務,會被帶回腳本、README 與 skill 規則中處理。
  • 回饋到維護工作Work Log 的價值不在打卡,而是指出哪個 SKILL 該重構、哪個規則該補防呆。

每次執行留下五個欄位

log_skill_call.py 在技能執行時寫入時間、SKILL、目標、摘要與是否修改檔案。巡檢管線讀取 SQLite 後編譯靜態儀表板;legacy Markdown 只保留匯入用途。

執行紀錄如何回到維護決策唯讀與寫入只是一個訊號;維護者仍要打開摘要與任務脈絡判斷。
Skill Work Log 收集與維護回饋流程 SKILL 呼叫後將結構化紀錄寫進獨立 SQLite,儀表板彙整使用訊號,維護者再決定補文件、加防呆、重構或停止維護。紀錄另外標示唯讀或修改檔案。 CALLSKILL 執行任務與目標 WRITESQLite五個欄位 READDashboard分布與日期 DECIDE維護判斷補件、重構或停用 read-only modified

日誌寫入

how records are captured
  • Structured Skill Log透過 scripts/log_skill_call.py 寫入 AI-Assets/Vault_Governance/Skill_Log/skill_call_log.sqlite3,留下時間戳記、呼叫 SKILL、目標、摘要與是否修改檔案。
  • Audit Metadatapayload_hash 與 SQLite schema 支援去重、索引與後續查詢;legacy Markdown 只作歷史匯入來源,不再當 dashboard 主資料層。
  • Static Compilation巡檢管線直接查 SQLite 後編譯成靜態看板;正式 Skill Log 不與其他 AI audit DB 或 Agent Worklog DB 共用,資料邊界更清楚。

目前可用的判讀訊號

available fields
  • 時間與技能時間戳記與 SKILL 名稱支援依日期、工具與共同出現關係查詢。
  • 異動訊號modified 標示任務是否回報檔案異動;它不代表任務已成功完成。
  • 目標與摘要目標欄位與執行摘要保留任務脈絡,讓排行與尖峰能回查原因。

重複出現的任務值得回頭檢查

呼叫紀錄顯示巡檢調校、資訊流清理與異常修復反覆出現。維護者可以沿著摘要回查原因,再決定把做法補進腳本、README 或 SKILL 規則。

Case 01

RAG 自動化巡檢調校

obsidian-brain-opscheck-wf 的呼叫常連在一起,提醒我檢查 YAML、雙向連結與 CLI-First 規範是否真的被遵守。

Case 02

日常資訊流清理

daily-dream-cycle 用 Sample Gate 區分失敗與人工確認,再依 dry-run 結果決定是否寫入 Wiki 或封存來源。

Case 03

異常防呆與故障修復

當紀錄出現編碼損毀、斷頭引用或 evidence source 不一致時,下一步會回到 Vault Health Report 與修復腳本,例如 metadata-validatorrepair_evidence_sources.py

三張儀表板形成一條維護鏈

Skill Inventory 列出工具與文件狀態,Vault Health 檢查工具將要操作的內容,Skill Work Log 補上執行後的行為紀錄。維護者依三份資料決定下一輪要修哪裡。

01

盤點 SKILL

Workspace Skill Inventory 標出工具用途、入口、文件與成熟度。

02

檢查 Vault

Vault Health Report 掃描連結、metadata、附件與近期大量異動。

03

查看使用紀錄

Skill Work Log 留下技能進入任務後的目標、摘要與異動訊號。

04

安排修補

維護者依三份資料決定補文件、改規則、修腳本或停止維護。

Plate III 最後回到原始紀錄補足可信度 明細表保留時間、SKILL、目標、摘要與異動訊號,讓趨勢可以回查原始紀錄。
Skill Work Log 原始工作紀錄明細畫面

紀錄能回答什麼也有明確限制

1,886 records1,886 筆 SQLite 日誌:列出工具呼叫、異動比例與使用尖峰。Logged
76 primary76 個主要技能訊號;另有 86 / 88 個目錄技能曾以主要或協作角色參與任務。Watch
293 read-only293 筆唯讀分析和 1,593 筆修改訊號放在一起,顯示這批任務以回寫筆記或規則為主。Signal
排行不能取代任務脈絡

Work Log 可以證明工具被呼叫過、任務是否回報異動,以及當時留下什麼摘要。任務成敗與實際效益仍要查看對應交付物。

OBSIDIAN AI WORKSPACE SERIES

探索 Obsidian 系列其他作品

這套工作區分為兩大主軸:左側「知識生命週期」掌管外部訊號採集、每日增量入庫與存量衝突融合;右側「治理與觀測」提供能力目錄檢索、Vault 健康巡檢與執行日誌稽核。

系列總覽 能力目錄 健康報告 工作紀錄