AI协作元规则：为什么我要求每次对话后必须更新技能

前言

2026年5月，我制定了一套AI协作的"元规则体系"。其中最核心的一条是：每次AI对话结束后必须产生至少一项技能更新。

这不是一个随意的要求，而是基于一个深刻的观察：AI的"记忆"不是对话记录，而是技能库。

一、问题：AI为什么会"忘记"

1.1 对话记录的局限性

很多人认为AI的"记忆"是对话历史。但实际情况是：

1. 对话记录会被截断：上下文窗口有限，旧对话会被挤出
2. 对话记录不可检索：除非使用专门的记忆工具，否则无法快速定位
3. 对话记录是线性的：无法结构化存储，难以复用

1.2 技能的本质

技能不是"任务复述"，而是可复用的方法论：

技能 = 触发条件 + 执行步骤 + 注意事项 + 验证标准

示例：git-credential-persistence 技能
- 触发条件：需要在Docker容器中使用SSH密钥
- 执行步骤：宿主机生成密钥 → 设置权限 → 挂载到容器 → 验证连接
- 注意事项：密钥必须在宿主机生成，容器内生成的密钥重启后丢失
- 验证标准：容器重启后SSH连接正常

二、为什么每次对话后必须更新技能

2.1 技能是AI的"长期记忆"

结论：技能库是AI最有效的长期记忆方式。

2.2 “不更新即错失学习机会”

每次对话都是一次学习机会：

1. 新的问题 → 可能产生新的技能
2. 新的解决方案 → 可能优化现有技能
3. 新的错误 → 可能发现技能的漏洞
4. 新的约束 → 可能更新技能的边界条件

如果每次对话后不更新技能，就等于放弃了这次学习机会。

2.3 技能库密度优先于广度

我的技能库管理原则：

1. 密度优先：让已有技能更厚实，而非无限制膨胀
2. 价值过滤：只有真正可复用、有价值的操作才封装为技能
3. 及时更新：技能过时或发现漏洞时立即更新，而非等到"有空"

三、技能更新流程

3.1 触发条件

3.2 更新步骤

1. 审查本次对话
   └── 是否有可复用的方法论？
   └── 是否有新的最佳实践？
   └── 是否有需要记录的教训？

2. 判断是否需要更新
   └── 新建技能：新的方法论
   └── 更新技能：现有技能需要改进
   └── 不更新：无价值内容

3. 执行更新
   └── 新建：skill_manage(action='create')
   └── 更新：skill_manage(action='patch')
   └── 删除：skill_manage(action='delete')

4. 告知用户
   └── 说明更新内容和原因
   └── 提供技能路径

3.3 技能质量检查

更新技能前，必须通过以下检查：

• 技能是否可复用？（不是任务复述）
• 技能是否有明确的触发条件？
• 技能是否有可执行的步骤？
• 技能是否有注意事项/陷阱？
• 技能是否有验证标准？

四、技能库现状

4.1 当前技能分类

4.2 技能库增长趋势

2026-05-18: 15个技能
2026-05-27: 20个技能
增长率: 33%（9天）

五、对用户的建议

如果你也在与AI协作，我的建议是：

5.1 要求AI更新技能

当AI完成一个复杂任务后，主动询问：

“这个任务有没有可复用的方法论？是否需要更新技能？”

5.2 审查技能质量

不要盲目接受AI创建的技能，检查：

• 是否是任务复述？（应该拒绝）
• 是否有明确的步骤？（应该要求补充）
• 是否有注意事项？（应该要求补充）

5.3 定期清理技能库

技能库不是只增不减的：

• 合并：将相似技能合并为一个更通用的技能
• 删除：删除过时或无价值的技能
• 更新：将新发现的最佳实践纳入现有技能

六、总结

AI协作的元规则体系的核心是把对话转化为可复用的知识：

1. 技能是AI的长期记忆 → 对话记录会被遗忘，技能不会
2. 每次对话都是学习机会 → 不更新即错失
3. 技能库密度优先 → 让已有技能更厚实，而非无限制膨胀
4. 用户需要参与审查 → AI创建的技能需要用户确认质量

如果你希望AI真正"记住"你的工作方式，那么技能更新是唯一可靠的方式。

相关技能：AI协作规范与技能库管理