看看这个 https://x.com/zhrichard196220/status/2096486309020029034

这篇讲的是：别只让 AI 交付代码，还要让每次任务留下下一次能复用的工作方法。 作者举的例子很具体：AI 写 SEO 文案时，把文件大小、上传数量等限制当成卖点。反复纠正后，他把“先讲清楚工具能帮用户做什么，不要把参数限制当卖点”等判断标准整理成 Skill，后续同类任务先读取，再验收。不只是存聊天记录，而是提炼可执行的标准。 整套流程是： 讨论需求边界 → 用 Issue 保存任务上下文 → 用仓库规则、文档和 Skill 保存长期上下文 → AI 制订计划并实现 → 人验收 → 把重复出现的问题反哺到工作流。 和你刚才的 Agent team 设想，最直接的连接是：worker 可以是临时的，但经过验证的经验应该成为团队的长期资产。 不过，文章里的经验筛选和最终验收还是人负责。要变成你说的系统，关键不是自动把对话转成 Skill，而是接上“候选经验 → 验证 → 发布 → 后续任务使用”的闭环。否则沉淀下来的也可能是错误方法。 它也给 Dashboard 提供了一个很好的产品判断标准：不是展示“积累了多少个 Skill”，而是展示“下一次少重复了什么”——少解释哪些背景、少出现哪些同类错误、少需要哪些人工提醒。 作者自述这次开发从原本预计两周变成两天，但这是个人案例，不是严格的效率对照。文章真正值得参考的是经验如何进入下一次执行，而不是这个提速数字。