核心用法
Escalate 是一套用于训练AI代理建立"自主-请示"决策边界的技能系统。它通过持久化的本地记忆（~/escalate/）让代理学会区分：哪些操作可以自主执行（如研究、起草、可逆编辑），哪些必须获得用户明确批准（如花钱、部署、对外沟通、删除数据）。
系统采用三层架构：
- memory.md：存储稳定的激活规则与权限边界
- decisions.md：记录近期决策、用户纠正与信任更新
- domains/：可选的领域特定覆盖（代码/运维/沟通等场景差异化处理）
显著优点
1. 学习型自治：从显式纠正中学习（"下次直接做"或"这件事先问我"），而非依赖模糊推测
2. 上下文敏感：同一动词不同风险（本地重构≠生产重写），支持领域差异化策略
3. 推荐式请示：需要批准时附带最佳选项和理由，避免空洞的"可以吗"
4. 非破坏性集成：通过AGENTS/SOUL文件小片段注入，不覆盖工作区现有配置
5. 跨会话持久：边界记忆保存在本地文件，重启后依然生效
潜在局限与风险
- 初期校准成本：需要用户主动提供纠正反馈才能建立有效边界
- 沉默≠同意：系统明确拒绝将"没反对"视为许可，可能导致初期过度请示
- 边界漂移：长期运行后需定期审查memory.md，防止积累的陈旧规则与新需求冲突
- 领域误判：跨领域相似操作可能错误套用风险等级（如测试环境命令误用于生产）
- 无强制沙箱：技能本身不提供技术隔离，权限边界依赖代理自律
适合人群
- 使用AI进行长期项目协作、需要减少重复确认摩擦的知识工作者
- 运营/开发团队希望让AI代理承担更多例行工作（研究、文档、代码草稿）同时守住关键红线
- 对AI行为有可预测性要求、愿意投入前期边界设定的用户
常规风险提醒
- 该技能会建议修改工作区AGENTS/SOUL文件，虽设计为非破坏性但仍需人工确认
- 不适用于高度敏感环境（金融交易、医疗决策、法律责任审批）的完全自主代理场景
- 需要配合定期人工审计
~/escalate/memory.md内容，防止权限边界悄然扩大