О программе
Навык ретро-мета проводит глубокий ретроспективный анализ предыдущих ретроспектив и вашей текущей конфигурации, чтобы выявить улучшения, которые могут быть упущены вашим существующим процессом. Он использует внешний ИИ-агент с высокими аналитическими способностями для запуска рассуждений при активации определенными фразами или командами. Используйте его после стандартных ретроспектив, когда предложений недостаточно или требуется более широкое исследование, выходящее за рамки эвристических рекомендаций.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add Necmttn/ax -a claude-code/plugin add https://github.com/Necmttn/axgit clone https://github.com/Necmttn/ax.git ~/.claude/skills/retro-metaСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
ax:retro-meta - deep retro of retros
The companion to ax:retro. Where ax:retro walks the heuristic-derived
proposals one by one, retro-meta asks: what improvements does the
existing pipeline NOT yet see?
The external agent (this one, Claude Code or Codex with high thinking) drives the reasoning. The CLI just produces structured evidence and takes user-approved plans back.
When to fire
Explicit triggers only:
- "let's do a deep retro" / "retro of retros"
- "investigate my ax setup" / "what should I fix in my setup"
- "review proposals the heuristic missed"
/ax:retro-metaslash command- After
ax:retrofinishes if the user wants broader exploration
Do NOT auto-trigger on generic "look at recent work".
Prerequisites
ax(axctl) is on PATH and the local SurrealDB is reachable. Ifax doctorfails, stop and tell the userscripts/db-start.sh.- At least 3 retros in the last 30 days. Below that, evidence is too
thin for a meta pass - recommend
ax:retrofirst.
Workflow
Step 1 - Snapshot
ax retro meta --json --since=30 > /tmp/ax-meta.json
Read /tmp/ax-meta.json. The keys you care about:
experiment_status[]- read this FIRST (see Step 2). Each entry:experiment_id,proposal_dedupe_sig,proposal_title,proposal_form,artifact_path,days_since_accepted,opportunities_count,addressed_count,address_ratio,latest_checkpoint{kind,suggested,observed_at},locked_verdict. Pending verdicts (locked_verdict=null) come first.retros[]- rawtried/worked/failed/nextper session.patterns.tool_failures- sorted by total_count desc.patterns.corrections- total + max-per-session + session_count.patterns.friction_kinds- recurring kinds across sessions.current_state.skills- what's already installed (do NOT propose duplicates).current_state.open_proposals- existing heuristic proposals.current_state.accepted_experiments- accepted but verdict-pending.current_state.claude_md_user/claude_md_project- guidance file paths (null if absent).investigation_prompts[]- the prompts you must walk.
Step 2 - Vet existing experiments FIRST
Walk experiment_status in order. For each entry with
locked_verdict=null:
a. If latest_checkpoint.suggested is ignored or regressed:
investigate why (read the artifact_path, sample the matching
opportunities), then run
ax improve verdict --set=<v> <proposal_dedupe_sig> to lock the
call.
b. If latest_checkpoint.suggested is adopted AND
days_since_accepted > 30: lock it as adopted so it stops
cluttering the open list:
ax improve verdict --set=adopted <proposal_dedupe_sig>.
c. If latest_checkpoint is null OR suggested is partial: leave
open. Note in the final summary that it's still gathering signal.
A rule of thumb mirrored from investigation_prompts: if
address_ratio < 0.1 after t+30, default to locking as ignored
unless the artifact has an obvious "not yet exercised" reason.
Step 3 - Walk the investigation prompts (high thinking)
For EACH prompt in investigation_prompts:
- Inspect referenced state with Read / Glob / Grep:
- skill files in
~/.claude/skills/and~/.agents/skills/ claude_md_userif non-nullclaude_md_projectif non-null
- skill files in
- Reason about a candidate improvement. Use a high thinking budget - the point is to see what the heuristic missed.
- If you identify a real improvement (NOT a duplicate of an existing
skill or open_proposal):
a. Draft a plan doc to
~/.claude/plans/<YYYY-MM-DD>-<slug>.md, 30–100 lines. Sections: Problem, Evidence (cite retro ids), Proposed change, Success signal. b. Show the user a 4–6 line summary. c. Ask explicitly: "Register this as an accepted experiment? (y/n)" d. ONLY on yes:ax retro plan \ --slug=<kebab-slug> \ --form=skill|hook|guidance|automation \ --title="<short title>" \ --hypothesis="<one sentence>" \ --plan-path=~/.claude/plans/<file>.md \ --evidence-retros=<retro:id1,retro:id2> \ --confidence=low|medium|high - If the prompt resolves to "no change needed" or "duplicate of existing", say so out loud and move on.
Step 4 - Optional: hand off to scaffolder
For each plan you registered, you may run:
ax improve accept --with-agent <dedupe_sig>
This spawns the internal scaffolding agent to draft an artifact (SKILL.md, hook script, etc) from the plan. Skip if the plan is already self-sufficient.
Step 5 - Summary
Print one paragraph:
- N plans registered, M of those scaffolded
- V verdicts locked (with kind, e.g. "2× ignored, 1× adopted")
- K open_proposals reviewed (and their disposition)
- Any prompts that resolved to "nothing here"
- Suggested next retro window
Anti-patterns
- NEVER register a plan without an explicit user yes per plan. The human is the final filter.
- NEVER auto-accept all open_proposals - the heuristic surfaces them but the deep pass exists precisely to triage them by reasoning, not by frequency rank.
- NEVER write directly to
~/.claude/skills/. Useax retro plan+ax improve accept --with-agent. - NEVER skip Step 2's duplicate check. Proposing a Pre-Bash guard when one is already accepted just wastes the user's time.
- Don't trust frequency alone. A frequency=1 retro can still be load-bearing if it represents a category Claude can't get right.
- NEVER propose a new improvement that overlaps a pending experiment. Vet that one first - lock its verdict or escalate before piling on more proposals in the same area. The retrospective loop is incomplete if old experiments stay in limbo.
CLI reference
# Snapshot only (no side effects)
ax retro meta --since=30 [--limit-retros=50] [--pretty]
# Register a user-approved plan as accepted proposal + experiment
ax retro plan \
--slug=<kebab> \
--form=skill|hook|guidance|automation \
--title="<title>" \
--hypothesis="<hyp>" \
--plan-path=<path-to-plan.md> \
[--evidence-retros=retro:a,retro:b] \
[--artifact-path=<path>] \
[--confidence=low|medium|high] \
[--frequency=<N>] \
[--json]
# Optionally hand off scaffolding to the internal agent
ax improve accept --with-agent <dedupe_sig>
# Lock the verdict on a previously-accepted experiment
ax improve verdict --set=adopted|ignored|regressed|partial|no_longer_needed <dedupe_sig>
Output of ax retro meta defaults to JSON because the reader is you,
not a human.
GitHub репозиторий
Часто задаваемые вопросы
Что такое Skill retro-meta?
retro-meta — это Claude Skill от Necmttn. Skills объединяют инструкции и ресурсы, которые Claude загружает по мере необходимости, чтобы выполнять задачи, связанные с retro-meta, без дополнительных запросов.
Как установить retro-meta?
Используйте команды установки на этой странице: добавьте retro-meta в Claude Code как плагин или клонируйте репозиторий в каталог skills, затем перезапустите Claude, чтобы загрузить Skill.
К какой категории относится retro-meta?
retro-meta относится к категории Другое.
Можно ли использовать retro-meta бесплатно?
Да. retro-meta размещён на AIMCP и доступен для бесплатной установки.
Похожие навыки
LlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.
Этот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.
Этот навык Клода анализирует рынки спортивных ставок, включая форы, тоталы и ставки на игроков, изучая исторические тенденции и ситуационную статистику для выявления валуйных ставок. Он предоставляет структурированный вывод в формате markdown с практическими рекомендациями в образовательных целях. Разработчикам следует использовать его для инструментов анализа спортивных ставок, учитывая, что он предназначен исключительно для развлечения и обучения.
Этот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.
