技能介绍

解决对话信息流失与知识库冗余

在长对话或结对编程后，关键的架构决策和认知修正往往散落在聊天记录中。手动整理不仅耗时，还容易遗漏上下文；而直接将对话原文导入知识库，又会让库变成毫无重点的流水账。Session Insight 旨在通过自动化的信号提取与结构化沉淀，解决这一痛点。

核心机制：信号提取与融入优先

该技能通过自然语言触发（如 总结到知识库 或 结束），仅提取四类高价值信号，自动过滤过程讨论与试错路径：

决策/结论：明确了选择方向或原则
概念关联/修正：发现新关联或纠正旧认知
架构/设计洞察：涉及系统设计层面的见解
议题/待办：新发现的有价值方向

提取结果以候选卡片形式呈现，需经用户逐条 ✓/✗/✎ 确认后才可执行入库。在写入阶段，技能遵循严格的融入优先原则：先搜索语义匹配的既有页面并定位插入点，仅当无法融入时才创建新页。入库后会自动执行格式合规检查（如使用引用块、限制单页高亮不超过 5 处、使用 [[page|显示名]] 别名链接），并追加变更日志与精准 scope 的版本提交。

适用边界与异常兜底

该方案的前提是“宁可不沉淀，也不沉淀错的”。若对话信息密度过低，技能会直接终止并提示无信号，拒绝生成空卡片。
在工程实现上，任何异常均不静默吞掉。遇到写入冲突时会重读最新内容，无法调和则标注 [需人工复核] 暂停该卡片；日志或版本记录失败时，会降级为内存暂存并显式告知当前状态，绝不阻塞核心页面写入。需注意，AI 仅负责候选生成，最终确认权完全交还给用户。