核心用法
close-loop 是一款面向 AI 会话生命周期的终端治理技能，在用户触发 "wrap up"、"close session"、"/wrap-up" 等指令时执行标准化四阶段闭环流程：
| 阶段 | 组件 | 核心动作 |
|------|------|---------|
| Phase 1 | `02-phase-1-ship-state.md` | **Ship State** —— 执行策略检查、动作门控，确定当前任务交付状态 |
| Phase 2 | `03-phase-2-memory.md` | **Memory Consolidation** —— 固化会话记忆，更新长期上下文 |
| Phase 3-4 | `04-phase-3-4-and-output.md` | **Self-Improvement + Publish Queue** —— 应用自我优化、生成可发布输出 |
输出产物为双格式交付：人类可读报告（Artifact A）+ 机器可读 JSON（Artifact B），满足自动化流水线对接需求。
显著优点
1. 模块化架构：四组件分离设计，便于维护、版本迭代与权限细粒度控制
2. 安全门控内置：01-design-principles.md 预设执行策略与动作闸门，防止未经验证的变更直接生效
3. 记忆连续性：将会话级上下文沉淀为结构化记忆，支持跨会话知识复用
4. 双重输出契约：兼顾人工审阅与系统自动化处理场景
潜在局限
- 触发依赖明确指令：需用户主动发出特定关键词，非会话自然结束场景易遗漏
- 组件耦合风险：Phase 1-4 顺序强制绑定，复杂场景下难以灵活裁剪阶段
- 模板化输出：标准报告模板可能无法覆盖高度定制化业务场景
适合人群
- 需要严格会话审计与交付追踪的企业级 AI 工作流
- 多轮对话后需生成结构化交付物的咨询、研发、客服场景
- 追求 AI 行为可解释性与记忆持续性的高级用户
常规风险
| 风险类型 | 说明 | 缓释建议 |
|---------|------|---------|
| 门控绕过 | 执行策略配置不当可能导致未授权变更 | 定期审计 `01-design-principles.md` 权限配置 |
| 记忆污染 | 错误记忆固化影响后续会话质量 | 建立记忆审核与回滚机制 |
| JSON 格式漂移 | 机器可读输出 schema 变更破坏下游解析 | 版本化 Artifact B 的 schema 定义 |