Agent Knowledge — 跨会话长期知识页
让 AI 助手拥有跨会话的长期记忆：知识页自动从对话中提炼更新，无需手动维护。
工具面较窄（列表/读/建/删页与记忆检索），无直接破坏性默认；但技能要求'静默创建页面，不告知用户'，且用户偏好会自动被摄取进外部 Hindsight 记忆库，涉及跨会话留存敏感对话数据而缺少明确确认与数据流边界说明；文件摄取(agent_knowledge_ingest_files)可读取磁盘文件并存入远程/本地记忆库，未说明数据去向与回滚。扣分：静默捕获、数据流披露不完整、无确认机制。
SKILL.md 内部自洽，API 签名一致，示例清晰；但所有工具依赖外部 Hindsight 服务，文档完全未描述失败模式、服务不可达时的行为或错误反馈，无针对性测试覆盖技能关键路径（现有测试只测 CLI）。扣分：依赖可用性未说明、异常路径无指引。
场景明确（跨会话长期知识页），触发条件隐含合理（会话开始读取）；但未声明能力边界与非适用范围，也未说明 Hindsight 服务部署形态；核心功能依赖 Hindsight 后端，在中国大陆网络可达性方面无任何说明。扣分：边界与非适用范围缺失、海外服务依赖未披露。
文档结构清晰、渐进式（先列页再取内容），命名约定明确（小写连字符 page_id）；仓库为 MIT 且有 CI 与版本号(0.0.26)，但技能文件本身无版本/变更记录、无 FAQ 或已知限制章节，维护责任与更新路径未在技能层面说明。扣分：技能级版本治理与已知限制披露缺失。
价值主张（跨会话持久记忆页，自动更新）具体且有明确的 source-query 机制，边际价值相对手动维护笔记明显；但静态审查无法验证输出正确性，自动整合质量、页面准确性均无代表性证据。扣分：输出质量与实际效果仅停留在声明层面。
仓库含 CI 工作流与较完整的 vitest 测试套件，但测试均针对 CLI/模板 lint，不覆盖本技能声明的 agent_knowledge_* 工具行为；无第三方执行证据或交叉来源佐证技能本身。扣分：关键主张可复现证据不覆盖评分对象。
- 技能明确要求静默创建知识页且用户偏好会被自动摄取进 Hindsight 记忆库，敏感信息留存未经用户确认，使用前请评估隐私合规。
- agent_knowledge_ingest_files 会读取本地磁盘文件并存入记忆库，部署时注意数据流向（本地/云端）与授权范围。
- 核心功能完全依赖 Hindsight 后端服务，未说明服务不可用时的行为；中国大陆网络环境下云端模式可达性未知。
- agent_knowledge_* 工具行为无任何测试覆盖，技能声明未经执行验证。
- 技能文件本身无版本号与变更记录，升级行为可能不向后兼容。
这个 Skill 能做什么，适合哪些场景？
这是 vectorize-io/self-driving-agents 仓库中的一个 Agent Skill（路径 src/skill/SKILL.md），名为 agent-knowledge。它依托 Hindsight 记忆库，为助手提供一组可跨会话持久化的知识页：用户负责创建页面并设定“来源问题”，系统在每次整合周期后自动用观察记录重写页面内容。此外它还提供跨全部留存对话的记忆检索（recall）和文档摄取（ingest / ingest_files）。适合希望助手记住偏好、流程和数据的长期使用者，但前提是运行环境中已接入 Hindsight 及其工具集。
会话开始时调用 agent_knowledge_list_pages 列出已有知识页，再用 agent_knowledge_get_page 读取内容；通过 agent_knowledge_create_page(page_id, name, source_query) 创建新页，page_id 用小写加连字符，source_query 是一个能从观察记录中产出页面内容的问题；用 agent_knowledge_recall(query) 在全部留存对话和文档中检索具体事实；用 agent_knowledge_ingest(title, content) 内联上传原文（要求传入完整文本、不做摘要），或用 agent_knowledge_ingest_files(paths) 直接从磁盘按路径或 glob 模式摄取文件；用 agent_knowledge_update_page 修改页面追踪的内容，用 agent_knowledge_delete_page 删除页面。页面内容本身由系统自动维护，不应直接编辑。
- 长期使用同一个 AI 助手的个人用户，希望助手记住自己的语气、篇幅和格式偏好，而不必每次重复说明
- 内容创作者想让助手记录哪些内容策略有效、哪些无效（包括具体数据），并随新对话自动更新
- 团队希望把某个领域的最佳实践沉淀为知识页，并优先采用自有数据而非通用建议
- 已有大量本地文档（如 docs/**/*.md）的用户，希望批量摄取进记忆库供日后检索
- 知识页没覆盖到的问题，随时用 recall 在历史对话中查找具体事实
这个 Skill 有哪些优点和局限？
- 知识页由系统自动维护，用户只管创建，省去手工整理笔记的负担
- “来源问题”机制让页面内容可持续重建，而非一次性写入后过时
- recall 支持跨全部留存对话和文档检索，覆盖知识页之外的细粒度事实
- ingest_files 支持 glob 模式批量摄取文件，无需先读取文件内容
- 指令清晰具体，包含命名规范和示例问题，易于助手正确执行
- 强依赖 Hindsight 记忆库及其工具集，没有它此 skill 完全无法工作
- 页面内容不可直接编辑，纠错只能靠调整 source_query 或补充对话观察
- 仓库的 GitHub Topics 为空，SKILL.md 之外的测试证据、稳定性数据未提供
- Hindsight 的部署、配置和成本在源材料中均未说明
- 自动记忆留存涉及对话数据的持续存储，隐私与数据留存策略需自行评估
如何安装这个 Skill？
本 skill 属于 self-driving-agents 仓库的 src/skill/SKILL.md。仓库整体通过 npm 包安装代理，例如：npx @vectorize-io/self-driving-agents install marketing/seo --harness claude；也支持本地目录、任意 GitHub 仓库路径或 --empty 空白起步。该 skill 本身如何单独安装，源材料未说明。它要求环境中已部署 Hindsight 记忆库并提供 agent_knowledge_* 工具，具体部署步骤源材料未给出（Hindsight 另见 github.com/vectorize-io/hindsight）。
如何使用这个 Skill？
会话开始时让助手调用 agent_knowledge_list_pages 查看现有页面，并按需用 agent_knowledge_get_page 读取。学到值得长期记住的内容时立即创建页面，例如 agent_knowledge_create_page("editorial-preferences", "Editorial Preferences", "What are the user's preferences for tone, length, and formatting?")。日常使用中把偏好明确说出来，系统会自动捕获；页面内容会随整合周期自动更新，无需也不要手工编辑。需要历史细节时调用 agent_knowledge_recall(query) 检索。
这个 Skill 与同类方案有什么区别？
源材料将其定位为基于 Hindsight 记忆库的方案；README 提到该仓库整体提供 179 个自学习代理、13 个部门，本 skill 是其中的记忆基础设施部分，未提及其他可比竞品。