核心用法
Skillagi 是一个被动式经验记录工具，用于在 AI 会话之间持久化保存项目特定的教训与洞察。核心机制极为简单：在 learnings.md 文件中以单行格式追加时间戳条目，格式为 - [YYYY-MM-DD] topic: what happened → what to do instead。
记录时机：修复了由错误假设导致的 bug、发现项目特定约定（包管理器、配置、命名规范）、被用户纠正、找到工具/平台限制的变通方案、或在无效方法上浪费时间后。
审查时机：在开始复杂任务前阅读 learnings.md，应用相关条目。简单单行变更无需审查。
清理与升级：当文件超过约 50 条时，删除失效条目、合并重复项；将高频、高影响的永久性学习提升到持久配置位置（如 OpenClaw 的 MEMORY.md 或 Claude Code 的 CLAUDE.md），然后删除原条目。
显著优点
- 零摩擦设计：单行格式、无 ID/状态/优先级/标签，降低记录成本
- 跨会话持久：突破单次对话上下文限制，实现长期经验积累
- 被动引用：无钩子或脚本，不干扰正常工作流
- 渐进式优化：支持从临时日志到永久配置的升级路径
潜在缺点与局限性
- 依赖人工判断：“是否值得记录”的判断标准模糊，可能导致记录不足或过度记录
- 无自动化触发：全靠自觉，缺乏自动检测重复错误的机制
- 格式限制严格：单行约束可能导致信息损失，复杂场景难以压缩
- 平台特定升级路径：Promote 步骤提及 OpenClaw/Claude Code 特定路径，通用性受限
- 无检索优化：纯文本追加，大量条目后检索效率下降
适合人群
- 长期维护复杂代码库的开发者
- 使用 AI 编码助手进行多会话项目工作的团队
- 需要沉淀项目特定约定和工具链陷阱的组织
- 偏好轻量、文本优先工作流的技术用户
常规风险
- 文件膨胀：若不及时清理，50+ 条目后可读性下降
- 过时信息：依赖升级、配置变更后，历史条目可能误导
- 上下文丢失：单行格式可能导致原始问题背景不充分，未来难以理解
- 同步冲突：多环境/多用户场景下
learnings.md可能出现版本冲突