name: 学习 description: | 从当前会话中提取可重用的知识，转化为持久性技能。当您发现非显而易见的内容、创建变通方案或开发多步骤工作流，且未来会话将从中受益时使用。 author: Claude Code Academic Workflow version: 1.0.0 argument-hint: “[技能名称（kebab-case）]”

/学习 — 技能提取工作流

将非显而易见的发现提取为跨会话持久可用的可重用技能。

何时使用此技能

当遇到以下情况时调用/learn：

非显而易见的调试 — 花费大量努力的调查，不在文档中
误导性错误 — 错误消息错误，找到了真正原因
变通方案 — 发现限制并创造性地解决
工具集成 — 未记录的API使用或配置
试错 — 多次尝试后才成功
可重复工作流 — 您会再次执行的多步骤任务
面向用户的自动化 — 用户将请求的报告、检查或流程

工作流阶段

阶段1：评估（自我评估）

在创建技能之前，回答以下问题：

“我刚刚学到了什么，在开始前并不明显？”
“未来的我会从这被文档化中受益吗？”
“解决方案是否仅从文档中就不明显？”
“这是一个我会重复的多步骤工作流吗？”

仅当至少有一个问题的答案是YES时继续。

阶段2：检查现有技能

搜索相关技能以避免重复：

# 检查项目技能
ls .claude/skills/ 2>/dev/null

# 搜索关键词
grep -r -i "关键词" .claude/skills/ 2>/dev/null

结果：

无相关 → 创建新技能（继续到阶段3）
相同触发器和修复 → 更新现有技能（增加版本）
部分重叠 → 更新为新变体

阶段3：创建技能

在.claude/skills/[技能名称]/SKILL.md创建技能文件：

---
name: 描述性-kebab-case-名称
description: |
  [关键：在描述中包含特定触发器]
  - 技能做什么
  - 特定触发条件（确切的错误消息、症状）
  - 何时使用它（上下文、场景）
author: Claude Code Academic Workflow
version: 1.0.0
argument-hint: "[预期参数]"  # 可选
---

# 技能名称

## 问题
[清晰的问题描述 — 什么情况触发此技能]

## 上下文 / 触发条件
[何时使用 — 确切的错误消息、症状、场景]
[足够具体，以便再次识别]

## 解决方案
[分步解决方案]
[包括命令、代码片段或工作流]

## 验证
[如何验证它有效]
[预期输出或状态]

## 示例
[技能在行动中的具体示例]

## 参考文献
[文档链接、相关文件或先前讨论]

阶段4：质量门

在最终确定之前，验证：

[ ] 描述有特定触发条件（不模糊）
[ ] 解决方案已验证有效（测试过）
[ ] 内容足够具体以可操作
[ ] 内容足够通用以可重用
[ ] 无敏感信息（凭证、个人数据）
[ ] 技能名称描述性并使用kebab-case

输出

创建技能后，报告：

✓ 技能创建：.claude/skills/[名称]/SKILL.md
  触发器：[何时使用]
  问题：[它解决什么]

示例：创建技能

用户发现特定的R包静默丢弃观察值：

---
name: fixest-缺失-协变量-处理
description: |
  处理fixest中当协变量有缺失值时静默丢弃观察值的问题。
  使用当：估计似乎错误、样本大小意外小，或比较
  不同包的结果时。
author: Claude Code Academic Workflow
version: 1.0.0
---

# fixest 缺失协变量处理

## 问题
The fixest包在协变量有NA值时静默丢弃观察值，
这可能在比较与其他包时产生意外结果。

## 上下文 / 触发条件
- fixest中的样本大小小于预期
- 结果与Stata或其他R包不同
- 模型有潜在缺失值的协变量

## 解决方案
1. 在回归前检查NA模式：
   ```r
   summary(complete.cases(data[, covariates]))

显式处理NA值或使用na.action参数
在注释中记录预期样本大小

验证

比较nobs(model)与nrow(data) — 差异表示丢弃的观察值。

参考文献

fixest关于缺失值的文档
[LEARN:r-code]条目在MEMORY.md中