核心用法
Coding Skill 是一款基于本地文件的编码偏好记忆系统，核心机制是仅从用户明确的纠正和确认中学习，绝不通过观察或推断获取偏好。
工作流程：
1. 首次使用自动创建 ~/coding/ 目录
2. 用户纠正代码输出时，Agent 询问「是否记住此偏好？」
3. 获得确认后，以 ≤5 词的极简格式写入 memory.md（≤100 行）
4. 后续对话自动加载并应用已存偏好
存储结构：
memory.md：活跃偏好（按 Stack/Style/Structure/Never 分类）history.md：归档的旧偏好dimensions.md/criteria.md：偏好维度与录入标准
显著优点
| 维度 | 亮点 |
|------|------|
| **隐私优先** | 零网络请求，数据完全本地存储 |
| **用户主权** | 显式确认机制，避免「擅自学习」的信任损耗 |
| **轻量可控** | 100 行硬限制 + 极简格式，防止上下文膨胀 |
| **可解释** | 随时查询、删除、修改偏好，无黑箱 |
| **跨项目** | 个人级偏好记忆，不依赖特定代码库结构 |
潜在局限
- 依赖用户主动性：需频繁明确反馈才能积累有效偏好
- 无自动推断：无法从现有项目代码中智能提取风格（设计取舍）
- 单设备限制：
~/coding/目录未内置同步机制，多设备需手动迁移 - 条目颗粒度：5 词限制可能难以表达复杂规则（如「除测试外禁用装饰器」）
适合人群
- 追求代码风格一致性的个人开发者
- 对「AI 擅自假设」敏感、重视控制权的用户
- 多项目切换、希望 Agent 记住跨项目偏好的工程师
- 隐私敏感场景（禁止代码外泄的企业环境）
常规风险
| 风险 | 说明 |
|------|------|
| **数据丢失** | `~/coding/` 被误删则偏好全部丢失，建议版本控制 |
| **过度简化** | 极简格式可能导致歧义，需定期人工审核 memory.md |
| **沉默漂移** | 长期未确认新偏好时，Agent 可能因模型更新产生风格偏移 |
| **权限问题** | 若主目录不可写，首次创建失败需手动处理 |
设计哲学
该 Skill 代表了「consent-based AI memory」的架构范式——宁可牺牲便利性，也要确保用户对自身数据和学习过程的绝对控制。