この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。

知识操作

管理一个多层知识系统，用于跨多个存储库进行知识的摄取、组织、同步和检索。

推荐使用实时工作区模型：

代码工作存在于实际克隆的仓库中
活跃执行上下文存在于 GitHub、Linear 和仓库本地的上下文文件中
面向人类更广泛的笔记可以存放在非仓库的上下文/归档文件夹中
跨机器的持久化记忆应属于知识库，而非影子仓库工作区

何时激活

用户希望将信息保存到其知识库
将文档、对话或数据摄取到结构化存储中
跨系统同步知识（本地文件、MCP 记忆、Supabase、Git 仓库）
对现有知识进行去重或整理
用户说“保存到知识库”、“同步知识”、“关于 X 我知道什么”、“摄取这个”、“更新知识库”
任何超出简单记忆回忆的知识管理任务

知识架构

第一层：活跃执行真相

来源： GitHub 议题、PR、讨论、发布说明、Linear 议题/项目/文档
用途： 工作的当前操作状态
规则： 如果某事物影响活跃的工程计划、路线图、发布或版本，优先将其放在此处

第二层：Claude Code 记忆（快速访问）

路径： ~/.claude/projects/*/memory/
格式： 带有前置元数据的 Markdown 文件
类型： 用户偏好、反馈、项目上下文、参考
用途： 跨对话持久化的快速访问上下文
会话启动时自动加载

第三层：MCP 记忆服务器（结构化知识图谱）

访问： MCP 记忆工具（create_entities、create_relations、add_observations、search_nodes）
用途： 对所有存储记忆进行语义搜索、关系映射
跨会话持久化，具有可查询的图谱结构

第四层：知识库仓库 / 持久化文档存储

用途： 精选的持久化笔记、会话导出、综合研究、操作员记忆、长文文档
规则： 当内容不属于仓库拥有的代码时，这是跨机器上下文的首选持久化存储

第五层：外部数据存储（Supabase、PostgreSQL 等）

用途： 结构化数据、大型文档存储、全文搜索
适用场景： 对于记忆文件过大的文档、需要 SQL 查询的数据

第六层：本地上下文/归档文件夹

用途： 面向人类的笔记、归档的游戏计划、本地媒体整理、临时非代码文档
规则： 可写入用于信息存储，但非影子代码工作区
禁止用于： 应存在于上游的活跃代码更改或仓库真相

摄取工作流

当需要捕获新知识时：

1. 分类

这是什么类型的知识？

业务决策 -> 记忆文件（项目类型）+ MCP 记忆
活跃路线图 / 发布 / 实现状态 -> 优先使用 GitHub + Linear
个人偏好 -> 记忆文件（用户/反馈类型）
参考信息 -> 记忆文件（参考类型）+ MCP 记忆
大型文档 -> 外部数据存储 + 记忆中的摘要
对话/会话 -> 知识库仓库 + 记忆中的简短摘要

2. 去重

检查此知识是否已存在：

搜索记忆文件中的现有条目
使用相关术语查询 MCP 记忆
在创建另一个本地笔记之前，检查信息是否已存在于 GitHub 或 Linear 中
不要创建重复项。而是更新现有条目。

3. 存储

写入适当的层级：

始终更新 Claude Code 记忆以便快速访问
使用 MCP 记忆实现语义可搜索性和关系映射
当信息改变实时项目真相时，首先更新 GitHub / Linear
提交到知识库仓库以进行持久的、长格式的添加

4. 索引

更新任何相关的索引或摘要文件。

同步操作

对话同步

定期将会话历史同步到知识库：

来源：Claude 会话文件、Codex 会话、其他代理会话
目标：知识库仓库
生成会话索引以便快速浏览
提交并推送

工作区状态同步

将重要的工作区配置和脚本镜像到知识库：

生成目录映射
在提交前编辑敏感配置
随时间跟踪更改
不要将知识库或归档文件夹视为实时代码工作区

GitHub / Linear 同步

当信息影响活跃执行时：

更新相关的 GitHub 议题、PR、讨论、发布说明或路线图线程
当工作需要持久的规划上下文时，将支持文档附加到 Linear
之后仅当本地笔记仍能增加价值时才进行镜像

跨源知识同步

将来自多个来源的知识汇集到一处：

Claude/ChatGPT/Grok 对话导出
浏览器书签
GitHub 活动事件
写入状态摘要，提交并推送

记忆模式

# 短期：当前会话上下文
使用 TodoWrite 进行会话内任务追踪

# 中期：项目记忆文件
写入 ~/.claude/projects/*/memory/ 以实现跨会话回溯

# 长期：GitHub / Linear / 知识库
将活跃执行事实置于 GitHub + Linear
将持久化综合上下文置于知识库仓库

# 语义层：MCP 知识图谱
使用 mcp__memory__create_entities 创建永久结构化数据
使用 mcp__memory__create_relations 进行关系映射
使用 mcp__memory__add_observations 添加关于已知实体的新事实
使用 mcp__memory__search_nodes 查找已有知识

最佳实践

保持记忆文件简洁。归档旧数据，而不是让文件无限增长。
在所有知识文件上使用前置元数据（YAML）作为元数据。
存储前进行去重。先搜索，然后创建或更新。
每个事实集优先使用一个权威存放位置。避免在本地笔记、仓库文件和跟踪器文档中并行复制同一计划。
在提交到 Git 之前编辑敏感信息（API 密钥、密码）。
对知识文件使用一致的命名约定（小写-连字符-分隔）。
使用主题/类别标记条目，以便于检索。

质量门控

在完成任何知识操作之前：

没有创建重复条目
任何 Git 跟踪的文件中的敏感数据已被编辑
索引和摘要已更新
为数据类型选择了适当的存储层
在相关处添加了交叉引用

🛠️ Knowledge Ops

📺 まず動画で見る(YouTube)

🇯🇵 日本人クリエイター向け解説

🎯 このSkillでできること

📦 インストール方法 (3ステップ)

💬 こう話しかけるだけ — サンプルプロンプト