Open-Reflect 工具详细教程

Open-Reflect 工具详细教程

Open-Reflect 是一个开源的先进自学习与反思系统，专为 AI 编程代理（如 Claude Code 和 OpenCode）设计，支持进化式知识跟踪。它的核心理念是“通过反思学习，通过实践进化”，让 AI 代理能够记录洞见、回顾过去学习，并通过持续实践不断提升能力。

项目地址：https://github.com/gyc567/open-reflect
许可证：Apache License 2.0
当前状态：项目处于早期阶段，社区活跃度较低（无 stars/forks），文档相对简洁，主要提供安装和基本验证方式。以下教程基于官方 README 整理，并补充合理的使用实例（因为官方暂无详细示例）。

1. 项目特点

• 双平台支持：
  • Claude Code：完整插件版，支持全部反思功能。
  • OpenCode：轻量级 skill 版，适合快速集成。
• 核心功能：
  • 自学习能力：AI 自动记录新学到的知识。
  • 反思系统：回顾过去行动和学习，生成洞见。
  • 进化知识跟踪：知识随时间演进，AI 能力持续提升。
• 多语言文档：支持英文、中文、日文。
• 易安装：提供一键安装脚本。

2. 安装指南

推荐使用一键安装脚本，最简单快捷。如果网络问题，可手动安装。

2.1 Claude Code（完整插件版）

一键安装（推荐）：

curl -sSL https://raw.githubusercontent.com/gyc567/open-reflect/master/scripts/install-claude-plugin.sh | bash

手动安装：

git clone https://github.com/gyc567/open-reflect.git
cp -r open-reflect ~/.claude/plugins/open-reflect
chmod +x ~/.claude/plugins/open-reflect/scripts/*.sh

2.2 OpenCode（轻量级 skill 版）

一键安装（推荐）：

curl -sSL https://raw.githubusercontent.com/gyc567/open-reflect/master/.opencode/scripts/install-opencode-skill.sh | bash

手动安装：

git clone https://github.com/gyc567/open-reflect.git
cp -r .opencode/skill/open-reflect ~/.config/opencode/skill/

安装完成后，重启 Claude Code 或 OpenCode 使插件/技能生效。

3. 验证安装

Claude Code

在 Claude Code 聊天界面输入命令：

/reflect --view

预期输出（首次使用）：

No pending learnings. System is up to date.

这表示系统已就绪，没有待处理的反思学习。

OpenCode

在 OpenCode 中调用 skill：

skill({ name: "open-reflect" })

会返回系统状态确认，表示技能已加载。

4. 基本用法

Open-Reflect 的核心是通过命令触发反思流程。主要命令前缀为 /reflect（Claude Code）或通过 skill 调用（OpenCode）。

常用命令（Claude Code）

• /reflect --view：查看当前学习状态和待反思内容。
• 其他可能命令（基于项目结构推测，实际以插件内部实现为准）：
  • /reflect --learn <内容>：手动记录新学习。
  • /reflect --evolve：触发知识进化反思。
  • /reflect --history：查看历史反思记录。

OpenCode

通过 skill 调用触发相应功能，例如：

skill({ name: "open-reflect", action: "view" })

5. 使用实例

由于官方暂无详细代码示例，以下提供几个实用场景实例，帮助你快速上手。假设你已在 Claude Code 中安装插件。

实例 1：基本状态查看（入门）

在 Claude Code 任务对话中，直接输入：

/reflect --view

输出示例：

Current learnings: 3 items
Last reflection: 2026-01-18
System ready for evolution.

这让你快速确认系统是否正常运行。

实例 2：记录新学习并触发反思（编程任务后）

你完成了一个 Python 脚本优化任务，AI 学到了新技巧。可以手动触发记录：

1. 在对话中告诉 AI：

   我刚刚学会了用 numpy 向量化代替循环，提高了性能 10 倍。这是一个重要优化技巧。
   

2. 然后输入命令（如果插件支持自动，或手动）：

   /reflect --learn "numpy 向量化优于 for 循环，尤其在大规模数据处理中，可提升 10x 性能。"
   

3. 稍后查看：

   /reflect --view
   

   输出示例：

   Pending learning: numpy vectorization optimization
   Ready for reflection.
   

4. 触发反思（假设有此命令）：

   /reflect --evolve
   

   AI 会生成反思总结，例如：

   Reflection: 在未来数值计算任务中，优先考虑向量化实现，避免低效循环。这将作为核心优化策略融入知识库。
   Knowledge evolved.
   

实例 3：长期进化跟踪（多任务场景）

假设你连续处理几个项目：

1. 项目 1 后记录学习：Git 高级 rebase 用法。

   /reflect --learn "git rebase -i 交互式整理 commit，提升代码历史整洁度。"
   

2. 项目 2 后记录学习：Docker 多阶段构建减少镜像大小。

   /reflect --learn "Docker multi-stage build 可显著减小生产镜像体积。"
   

3. 一段时间后查看并进化：

   /reflect --view
   /reflect --evolve
   

   系统会综合反思，生成进化报告：

   Evolutionary summary:
   - DevOps 能力提升：掌握高级 Git 和高效 Docker 构建。
   - 未来建议：优先应用这些最佳实践于新项目。
   Knowledge base updated.
   

在 OpenCode 中类似操作只需替换为 skill 调用。

6. 高级功能与扩展

• Hooks 集成：项目包含 hooks 目录，可与 Claude Code/OpenCode 的 hook 机制结合，实现自动触发反思（例如任务完成后自动记录）。
• 知识存储：学习内容内部持久化存储，下次会话仍可用。
• 自定义：查看源码（commands/、hooks/）可二次开发，例如添加更多命令。

7. 注意事项与局限性

• 项目早期，命令可能不完整，建议查看最新源码确认。
• 无发布版本，始终从 master 分支安装。
• 如果命令无效，可检查插件目录权限或重启环境。
• 社区小，遇到问题可直接在 GitHub 开 issue。
• 适用于需要长期“成长”的 AI 代理场景，如复杂编程代理或研究助手。

通过 Open-Reflect，你的 AI 代理将从“一次性工具”变成“持续进化伙伴”。建议从简单查看命令开始，逐步在实际任务中记录学习，体验进化效果！

如果需要更多自定义帮助，可进一步探索仓库中的 tests/ 或 scripts/ 目录。