核心用法
Keep Learning 是一款面向AI Agent的知识管理技能，专注于从本地目录自动学习并构建可检索的知识体系。用户通过"持续学习知识"或"keep learning"触发后，系统执行八步工作流：配置确认→Git同步→文件扫描→变更检测→知识提取→核心记忆存储→知识索引构建→生成学习报告。
该技能采用三层知识架构设计：L1核心记忆存储关键结论与概念，自动在日常对话中浮现；L2知识索引维护文件路径与关键词映射，实现快速定位；L3源文件保留完整原始内容供深度查阅。这种分层设计平衡了检索效率与信息完整性。
支持格式涵盖Markdown、Python/JS/TS/Java/Go/Rust/C/C++/Shell等主流代码文件及YAML/JSON/TOML配置格式。v0.0.1版本明确排除PDF/Word/Excel/PPT等办公文档及音视频文件。
增量学习机制通过比对Git提交哈希与工作区状态，同时捕获远程更新、本地未提交修改及未推送提交，避免重复处理未变更内容。
显著优点
1. 智能分层存储：L1自动浮现机制将高频知识前置，大幅降低检索开销
2. 增量学习支持：基于Git的版本追踪实现高效更新，特别适合持续演进的代码库
3. 记忆去重机制：存储前自动检索，避免知识冗余
4. 多维度索引：关键词-文件-主题三重映射，支持灵活查询
5. 透明运行数据：~/.keep-learning/目录持久化配置与学习状态，支持会话恢复
6. MIT-0许可证：无限制商业使用，降低合规成本
潜在局限
1. 格式覆盖盲区：不支持企业常用的PDF技术文档、Excel数据表、PPT演示文稿，需预处理转换
2. 大文件处理风险：虽提及分块读取，但未定义具体阈值与截断策略，存在内存或Token超限隐患
3. 记忆大小限制：未明确L1/L2存储容量上限，大规模知识库可能触发截断
4. 中文关键词支持：依赖底层嵌入模型的中文理解能力，未做特定优化
5. 无权限管控：任何可触发该技能的用户均可读取配置路径下的全部文件，缺乏细粒度访问控制
适合人群
- 开发者：管理个人代码片段库、技术笔记
- 技术写作者：构建可检索的文档知识体系
- 小型团队：共享标准化代码规范与最佳实践
- AI Agent进阶用户：需要超越上下文窗口的持久化知识存储
常规风险
| 风险类型 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| 路径遍历 | 配置路径可能被恶意指向敏感目录 | 验证路径合法性，限制可访问范围 |
| Git操作风险 | `git pull`可能引入未预期变更 | 学习前展示变更摘要供确认 |
| 敏感信息泄露 | 代码库可能含硬编码密钥、内部URL | 建议集成扫描工具前置检测 |
| 存储膨胀 | 高频更新导致记忆条目累积 | 建立定期归档或TTL机制 |
| 版本兼容性 | v0.0.2早期版本API可能变动 | 生产环境锁定版本号 |