核心用法
Copilot 技能旨在将传统对话式 AI 从"每次清零的聊天机器人"转变为具备持续上下文感知的智能协作者。其核心机制依赖于磁盘状态文件系统：
- `~/copilot/active` — 当前聚焦任务（实时读取）
- `~/copilot/priorities` — 关键项目与截止日期
- `~/copilot/decisions` — 决策日志（追加模式）
- `~/copilot/patterns` — 用户偏好与风格学习
- `~/copilot/projects/{name}` — 按项目隔离的上下文
激活触发策略：
1. 用户消息：先读 active 文件，自然引用上下文（"还在处理那个 auth bug？"）
2. Heartbeat（~30分钟）：仅当上下文过期或有机警信息时才打断
3. 项目切换：自动保存/加载对应项目状态
---
显著优点
| 维度 | 价值 |
|------|------|
| **连续性体验** | 消除"每次都从头解释"的摩擦，对话自然延续 |
| **主动预判** | 基于历史模式提前提示会议、截止日、阻塞风险 |
| **结构化记忆** | 分类存储决策/偏好/项目，比纯对话历史更可控 |
| **成本优化** | 文件读取替代频繁截图（~1000 tokens/次） |
| **用户主权** | 状态文件明文可编辑，用户完全掌控 AI 的"记忆" |
---
潜在局限与风险
技术局限：
- 伪实时：依赖 30 分钟轮询，非真正"始终在线"
- 状态漂移：用户切换任务未告知时，AI 可能基于过期上下文误判
- 文件 IO 依赖：需持久化存储权限，某些沙盒环境受限
用户体验风险：
- 过度主动可能沦为打扰（需
/pause机制抑制） - 错误引用历史会造成"被监视"的不适感
- 状态文件积累后需定期归档清理
安全风险：
- 敏感信息（代码、决策）明文落盘，需确保
~/copilot/目录权限 - 多用户/多设备场景下状态同步缺失
---
适合人群
- 长期复杂项目开发者：需要跨天追踪技术决策
- 高频 AI 协作用户：厌倦重复交代背景
- 多线程工作者：在多个项目间切换需快速恢复上下文
- 工具集成开发者：愿意编写 heartbeat/激活钩子定制工作流
---
常规风险管控建议
1. 加密敏感状态：对 decisions.md 含机密内容时启用文件级加密
2. 设置保留策略：自动归档 30 天前 inactive 项目
3. 人机确认边界：涉及重要决策时，AI 应陈述依据而非直接执行
4. 定期审计文件：检查是否有意外持久化的敏感数据