这个 Skill 能做什么，适合哪些场景？
该技能为 AI 编码代理提供持续学习基础设施，通过钩子观察工具结果并记录失败模式。记忆分为全局和项目本地两层，分别保存跨项目经验与仓库专属约定。代理也可以通过 SQL 直接写入学习记录，或使用版本化 Markdown 文件维护人工知识。系统会定期清理低价值旧记录，以控制记忆规模。
从仓库根目录复制持续学习钩子到 .github/hooks/；在首次会话时自动初始化；观察工具执行结果并检测失败模式；将学习内容写入 ~/.copilot/learnings.db 或 .copilot-memory/learnings.db；支持通过 learnings 表的 SQL INSERT 直接存储记录；支持使用 .copilot-memory/conventions.md 保存可读、可版本控制的约定；清理超过 60 天且命中次数较低的记录，并在 7 天后清理工具日志。
- 为经常重复遇到工具失败的编码代理建立跨项目的工具经验记忆。
- 为需要遵循项目专属编码约定的团队保存本地记忆。
- 希望代理根据用户纠正记录模式、错误、偏好或工具洞察的开发者。
- 需要用版本控制维护人工可读项目约定，而不是只依赖数据库记录的团队。
如何安装这个 Skill？
- 安装命令会复制 hooks，但文档未说明 hook 文件内容、权限、来源完整性或失败时如何恢复。
- 全局数据库位于用户主目录，可能跨项目聚合工具结果和偏好；应补充脱敏、最小化收集、访问控制、确认、删除和回滚说明。
- SQL 示例依赖未定义的 learnings 表和字段，且未说明 SQLite 初始化、并发、迁移或损坏处理。
- 文档未说明哪些代理会触发该技能，也未提供中文或中国大陆网络环境下的可用性说明。
- Shell / 命令行
- 本地文件系统
在仓库根目录执行：
cp -r hooks/continual-learning .github/hooks/
该技能说明安装后会在首次会话自动初始化且无需配置；README 还提供集合级安装方式：npx skills add microsoft/skills。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/microsoft/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.github/skills/continual-learning" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 为这个项目设置持续学习基础设施
安装钩子后继续使用编码代理即可，钩子会观察工具结果并在后续会话呈现相关学习。也可以直接向代理提出“为这个项目设置持续学习基础设施”，或通过 SQL 向 learnings 表插入 scope、category、content 和 source 字段。具体钩子实现、权限配置和触发命令未在源材料中说明。
这个 Skill 有哪些优点和局限？
- 同时支持全局记忆和项目本地记忆，作用域划分明确。
- 提供自动钩子、SQL 写入和 Markdown 文件三种记录方式。
- 具有记忆衰减和日志清理机制，可避免无限增长。
- 安装步骤简短，且无需额外配置即可初始化。
- 源材料未提供钩子源码、测试结果或平台兼容性验证细节。
- 依赖本地文件系统，并会写入用户目录或项目目录中的数据库和记忆文件。
- 源材料未说明数据库的具体实现、并发行为、备份方式或失败恢复机制。
- 该技能只覆盖持续学习基础设施，不负责具体 SDK 或业务领域知识。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 持续学习代理技能 本页 ✓ Microsoft · 官方 | 27 · 不推荐 | ★ 2.7k | 3 个月前 | MIT |
| memU | 50 · 谨慎使用 | ★ 15k | 12 天前 | NOASSERTION |
| Agents Observe | 54 · 谨慎使用 | ★ 696 | 1 个月前 | MIT |
| Engram 持久记忆协议 | 68 · 推荐 | ★ 7.2k | 11 天前 | MIT |
| Engram 业务规则护栏 | 54 · 谨慎使用 | ★ 7.2k | 11 天前 | MIT |
FollowSkills 如何评估这个 Skill？
文档说明了全局与本地记忆范围，但未说明敏感数据脱敏、访问控制、用户确认、数据流、依赖安全、删除/回滚或审计机制；自动观察工具结果并持久化可能泄露项目或用户信息，因此大幅扣分。未发现明确恶意行为或凭据窃取证据。
核心流程和示例较短且内部基本一致，但安装源路径、hooks 内容、数据库 schema、初始化行为和异常处理均未在选定文件中复现；“无需配置”和自动初始化缺少可诊断失败反馈，静态评估限制下仅给低分。
目标场景“为编码代理设置持续学习基础设施”较清楚，且区分全局/本地记忆；但未定义触发条件、输入输出、兼容代理范围、非适用场景、中文支持或网络环境要求，适用边界证据不足。
SKILL.md 结构清晰，有快速开始、概念、示例和实践建议；仓库提供 MIT 许可证与微软组织来源，但技能自身缺少依赖说明、配置参数、限制、故障排查、版本、变更记录和维护更新路径，且安装所需 hooks 未随证据提供。
文档给出了持续学习循环、记忆分层和三种存储方式，理论上可指导基础设计；但缺少可直接使用的 hook、schema、实现文件、验证步骤和完整输出约定，用户仍需大量补充实现，静态证据不足。
提供了流程图、SQL 和 markdown 示例，但没有针对该技能关键路径的提交测试、运行结果或第三方复现证据；仓库级 CI/测试材料未覆盖该技能的实际行为，因此可验证性很低。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →