knowledge

知识技能

必须执行此工作流。不要只是描述它。

查找并检索以往工作中的知识。

执行步骤

收到 /knowledge <query> 时：

步骤 1：使用 ao CLI 搜索（如果可用）

ao search "<query>" --limit 10 2>/dev/null

如果找到结果，请阅读相关文件。

步骤 2：搜索 .agents/ 目录

# Search learnings
grep -r "<query>" .agents/learnings/ 2>/dev/null | head -10

# Search patterns
grep -r "<query>" .agents/patterns/ 2>/dev/null | head -10

# Search research
grep -r "<query>" .agents/research/ 2>/dev/null | head -10

# Search retros
grep -r "<query>" .agents/retros/ 2>/dev/null | head -10

步骤 3：搜索计划

# Local plans
grep -r "<query>" .agents/plans/ 2>/dev/null | head -10

# Global plans
grep -r "<query>" ~/.claude/plans/ 2>/dev/null | head -10

步骤 3.5：搜索全局模式

# Global patterns (cross-repo knowledge)
grep -r "<query>" ~/.claude/patterns/ 2>/dev/null | head -10

全局模式包含通过 /learn --global 从任何仓库中提炼的知识。这些是高置信度的跨项目经验。

步骤 3.6：搜索全局经验

# Global learnings (cross-repo abstracted knowledge)
grep -r "<query>" ~/.agents/learnings/ 2>/dev/null | head -10

全局经验是通过 /learn --promote 从仓库特定经验中提炼出的、可迁移的见解，或由 /retro 归类为跨领域的经验。

步骤 3.7：搜索全局模式（新位置）

# Global patterns (new location, cross-repo)
grep -r "<query>" ~/.agents/patterns/ 2>/dev/null | head -10

步骤 4：使用语义搜索（如果 MCP 可用）

Tool: mcp__smart-connections-work__lookup
Parameters:
  query: "<query>"
  limit: 10

步骤 5：阅读相关文件

对于找到的每个匹配项，使用 Read 工具获取完整内容。

步骤 6：综合结果

将发现的内容整合为连贯的回复：

• 关于这个主题，我们知道什么？
• 有哪些相关经验？
• 适用哪些模式？
• 过去做过哪些决策？

步骤 7：向用户报告

呈现找到的知识：

1. 发现摘要
2. 关键经验（附 ID）
3. 相关模式
4. 源文件链接
5. 置信度（我们掌握的信息有多少）

知识存储位置

类型	位置	格式
经验	.agents/learnings/	Markdown
模式	.agents/patterns/	Markdown
研究	.agents/research/	Markdown
复盘	.agents/retros/	Markdown
计划	.agents/plans/	Markdown
全局计划	~/.claude/plans/	Markdown
全局经验	~/.agents/learnings/	跨仓库提炼的经验
全局模式	~/.agents/patterns/	可在跨仓库复用的模式
旧版模式	~/.claude/patterns/	只读备用位置（已弃用，不再用于写入）

关键规则

• 搜索多个位置——知识可能分散在不同位置
• 优先使用 ao CLI——语义搜索效果更好
• 退而使用 grep——如果 ao 不可用
• 阅读完整文件——不要只报告匹配项
• 综合信息——将发现的内容整合为有用的答案

查询示例

/knowledge authentication    # Find auth-related learnings
/knowledge "rate limiting"   # Find rate limit patterns
/knowledge kubernetes        # Find K8s knowledge
/knowledge "what do we know about caching"

示例

查找以往经验

用户输入： /knowledge "error handling patterns"

执行过程：

1. Agent 尝试运行 ao search "error handling patterns"，找到 3 个匹配项
2. Agent 使用 grep 搜索 .agents/learnings/，另外找到 5 个匹配项
3. Agent 搜索 .agents/patterns/ 中的相关模式，找到 2 个匹配项
4. Agent 使用 Read 工具读取所有匹配的文件
5. Agent 将发现的内容整合为连贯的回复
6. Agent 报告：“我们有 5 条关于错误处理的经验：L1（始终包装错误）、L3（使用类型化错误）、L12（返回前记录日志）、L15（传播上下文）、L22（使用退避策略重试）”
7. Agent 提供源文件链接和置信度：高（有多处佐证）

结果： 完整的知识综合，包含 5 条具体经验和 2 个相关模式，并附有所有来源引用。

没有 ao CLI 时查询

用户输入： /knowledge "database migrations"

执行过程：

1. Agent 尝试运行 ao search，发现命令不存在
2. Agent 改为使用 grep 搜索 .agents/ 目录
3. Agent 在经验中找到 2 个匹配项，在研究中找到 1 个，在模式中未找到匹配项
4. Agent 阅读匹配的文件
5. Agent 综合得出：“找到的知识有限。L8 建议使用事务包装迁移。2026-01-20 的研究文档分析了迁移工具。”
6. Agent 报告中等置信度（仅有 2 个来源）

结果： 即使缺少 ao CLI 也能找到知识，并根据来源数量给出适当的置信度。

故障排查

问题	原因	解决方案
未找到结果	查询过于具体，或尚未记录相关知识	扩大搜索词范围。尝试使用同义词。检查近期工作中是否涉及该主题，但尚未运行复盘。建议运行 /retro，提取近期经验。
结果过多（难以处理）	查询词过于宽泛	使用更具体的词缩小查询范围。按日期筛选：只搜索近期经验。如果可用，使用语义搜索（ao CLI）提升排序效果。
结果缺乏上下文	找到了 Grep 匹配项，但文件未解答查询	阅读完整文件，而不只是匹配的行。结合上下文进行综合分析。可能需要通过 /trace 追溯到原始研究。
置信度不明确	来源混杂或相互矛盾	明确报告冲突信息。指出哪些来源相互印证，哪些存在分歧。如果问题很关键，建议运行 /research 进一步调查。