---

name: learn description: 从当前对话中提取并持久化见解到知识库 user_invokable: true

学习

从当前对话中提取见解，并将其持久化到项目的知识库中。

功能说明

分析对话上下文以识别：

• 模式：在此项目中运行良好的方法
• 特性：发现的特定于项目的怪异或非标准行为
• 决策：做出的架构或实现选择及其理由

这些见解会跨越会话边界并经受上下文压缩，从而随着时间的推移建立对项目的持久理解。

指令

1. 分析对话，寻找：

   • 可能再次适用的成功解决问题的方法
   • 发现的关于代码库的异常行为或陷阱
   • 做出的决策及其原因（架构选择、库选择、选择的模式）

2. 对每个见解进行分类，分为模式、特性或决策

3. 格式化并追加到 knowledge/learnings/ 目录下的相应文件：

   • patterns.md - 哪些方法有效
   • quirks.md - 意外行为
   • decisions.md - 带有理由的选择

4. 更新每个文件中的元数据（entry_count, last_updated）

5. 更新 knowledge/state.json 中的状态：

   • 将 last_extraction 设置为当前时间戳
   • 递增 extraction_count
   • 将 queries_since_extraction 重置为 0

6. 向用户报告学习到的内容

条目格式

模式条目

## 模式：[简短描述性标题]
- **发现日期：** [ISO 日期]
- **上下文：** [导致此发现的任务/问题]
- **见解：** [哪种方法有效以及原因]
- **置信度：** 高|中|低

特性条目

## 特性：[简短描述性标题]
- **发现日期：** [ISO 日期]
- **位置：** [适用的文件/模块/区域]
- **行为：** [异常或意外之处]
- **解决方法：** [如何处理它]
- **置信度：** 高|中|低

决策条目

## 决策：[简短描述性标题]
- **做出日期：** [ISO 日期]
- **上下文：** [促使此决策的原因]
- **选择：** [决定了什么]
- **理由：** [为何选择此方案而非其他]
- **置信度：** 高|中|低

置信度级别

• 高：清晰、已验证且有强有力证据的见解
• 中：合理的推断，可能正确
• 低：初步观察，需要验证

只有高和中置信度的见解会影响路由决策。

步骤

1. 回顾对话以寻找可提取的见解
2. 对于找到的每个见解：
   • 读取目标文件（patterns.md, quirks.md, 或 decisions.md）
   • 检查重复项（如果存在类似见解则跳过）
   • 按上述格式追加新条目
   • 更新元数据（递增 entry_count，设置 last_updated）
3. 读取并更新 knowledge/state.json
4. 向用户报告摘要：

   知识提取完成
   ─────────────────────────────
   已提取：
     [模式] "已学习的模式标题"
     [特性] "已发现的特性标题"
     [决策] "已记录的决策标题"
   
   知识库现在包含：
     - X 个模式
     - Y 个特性
     - Z 个决策
   

提取示例

来自调试身份验证问题的对话：

提取的特性：

## 特性：身份验证令牌需要 base64 填充
- **发现日期：** 2026-01-08
- **位置：** src/auth/tokenService.ts
- **行为：** 此代码库中的 JWT 令牌使用非标准的无填充 base64，导致标准解码器失败
- **解决方法：** 使用自定义的 `decodeToken()` 辅助函数而非 atob()
- **置信度：** 高

注意事项

• 此命令从当前对话中提取见解
• 如需持续提取，请改用 /learn-on
• 见解应特定于项目，而非通用编程知识
• 避免提取明显或琐碎的信息
• 对置信度不确定时，使用“中”