Coding

核心功能

Coding 是一个用户编码风格偏好记忆系统，通过本地文件存储用户的编程习惯、技术栈选择和代码规范。Skill 采用极简设计，仅通过显式用户确认学习偏好，绝不主动推断或观察。

核心用法

1. 偏好存储流程：用户纠正输出 → 询问是否记住 → 确认后存入 ~/coding/memory.md
2. 会话启动：自动加载记忆文件，应用存储的偏好到代码生成
3. 查询支持：支持查看、删除、查询特定语言/框架的偏好条目

显著优点

• 极致隐私：纯本地存储（~/coding/），零网络传输，GDPR/CCPA 合规
• 零代码风险：纯 Markdown 文档，无可执行代码（JS/Python/Shell）
• 用户主权：仅通过显式确认学习，拒绝"静默学习"和观察推断
• 轻量高效：条目限制 5 词以内、文件 ≤100 行，避免上下文膨胀
• 结构清晰：按 Stack/Style/Structure/Never 四维分类，便于维护

局限性与潜在缺点

• 依赖用户主动性：不会自动学习，需要用户频繁明确纠正
• 无项目级感知：明确不读取项目文件推断团队规范，可能与企业现有规范脱节
• 记忆容量有限：100 行上限对复杂多技术栈用户可能不足
• 无同步机制：纯本地存储意味着多设备需手动同步
• 社区维护：T3 来源可信度，非企业级背书

适合人群

• 追求隐私、拒绝云端记忆的个人开发者
• 有明确编码偏好且愿主动维护的工程师
• 需要在多会话间保持代码风格一致的 Claude 重度用户
• 对 AI "过度学习"敏感、希望严格控制记忆边界的用户

常规风险

• 风险极低：无可执行代码、无网络调用、无敏感权限
• 唯一需注意：定期清理 ~/coding/memory.md，避免过时偏好累积影响输出质量

核心用法

Coding Skill 是一个纯 Markdown 的本地化记忆系统，专门用于存储和应用用户的代码风格偏好。所有数据严格限定在 ~/coding/ 目录，采用双文件架构：memory.md（≤100 行活跃偏好）和 history.md（归档历史）。

使用时，AI 仅在收到显式纠正（如 "我喜欢用 2 空格缩进"）后才询问是否记忆，经用户确认后才写入文件。启动会话时自动加载 memory.md，将存储的偏好实时应用到代码生成中。支持查询（"显示我的 Python 风格"）、遗忘（"忘掉 Prettier 相关设置"）等交互。

显著优点

极致隐私：零网络传输，零数据外泄，纯本地文件存储，GDPR/CCPA 全合规。

透明可控：用户完全掌控学习过程，不存在静默推断或行为分析，每个偏好都有确认记录。

轻量高效：T-MD 类型（纯 Markdown）无可执行代码，安全扫描 S 级（95 分）；Ultra-Compact 格式（≤5 词/条）避免上下文膨胀。

结构化分类：Stack/Style/Structure/Never 四维归类，支持快速检索和冲突管理。

潜在局限

依赖用户主动性：不会自动从项目文件或对话历史中学习，对新用户或忘记主动声明偏好的用户，初始体验可能偏"通用"。

本地存储风险：无内置备份机制，误删 ~/coding/ 即丢失全部记忆；多设备使用时偏好无法同步。

100 行硬限制：重度用户可能频繁触发归档操作，长期历史检索依赖手动查阅 history.md。

T3 来源信誉：社区项目级别，虽当前代码纯净，但长期维护稳定性和供应链安全需持续关注。

适合人群

• 隐私敏感型开发者（拒绝云端同步）
• 多语言/多框架切换者（需一致的跨项目风格）
• 团队协作中的 Tech Lead（需向 AI 明确传递团队规范）
• 对 AI 输出一致性有高要求的专业工程师

常规风险

• 确认疲劳：频繁询问"是否记忆"可能打断心流，建议批量声明偏好后统一确认
• 条目冲突：后期合并相似条目（如 "no Prettier" + "no ESLint"）依赖用户手动优化
• 跨会话遗忘：若用户期望 AI"记住"但未显式确认，会产生信任落差