不小心泄露 Claude Code 的哥哥是不是要变成 Skill 了ಥ_ಥ

#出海运营秘籍👉@yunying23

「工具性 App」就应该有「自己只是个工具」的觉悟
用户都是「用完即走」，根本不想多看你一眼
不要妄想靠推送无关内容、免费短剧拉日活

1. 📢 AI探索指南
AIGC 领域的最新工具、开源项目以及行业大事件，AIGC人工智能、思维方式、知识拓展，能力提升等。

2. 📢 🦞OpenClaw小龙虾
分享OpenClaw🦞最新玩法、技巧、经验、观点等。

3. 📢 优质「资源」收藏夹
收藏高质量书籍、资料、资源，帮助你获取优质资源。

4. 📢 你不知道的内幕消息
一些你不知道的内幕消息，最新资讯、大公司负面、时政财经、网友发布等高质量消息。

5. 📢 互联网从业者充电站
内容多为技术、产品、设计、运营等不同话题内容，互联网从业者专属。

6. 📢 出海🚢&自媒体运营秘籍
分享出海经验、赚美金、运营技巧、小红书运营、网赚项目等。

7. 📢 中年人生存报告
关于职场、生活、创业、30+、失业、中年生活、夫妻关系等话题。

8. 📢 💵星辰观察站
Web3加密市场、美股、金融投资，理财，金融知识；

9. 📢 你不知道的冷知识
有趣的、无趣的、有用的、没用的知识

10. 📢 优质「信息」收藏夹
优质内容/信息/软件/插件/网站等分享，好玩的、好用的数字产品分享，提高你的信息获取质量。

#出海运营秘籍👉@yunying23

口播视频好麻烦呐

R.I.P 从零开始构建Claude技能。
有人刚刚开源了整个剧本。每项技能。每种格式。经过实战检验，可直接复制粘贴。
开发者正在使用的顶级技能：
1. DOCX生成 → 几秒内生成专业报告
2. XLSX自动化 → 无需打开Excel进行数据分析
3. PPTX创建 → 从大纲生成整个演示文稿
4. PDF处理 → 合并、拆分、提取、OCR
5. 网页爬虫 → 从任何网站获取结构化数据
另加：API包装器、文件转换器、研究工具。
你需要的一切都在这里，可将Claude的能力提升10倍。
100%开源。
https://github.com/BehiSecc/awesome-claude-skills

@https1024

有种预感，AI 接下来的发展对大龄程序员是重大利好
程序员之所以有35岁危机，是因为本职工作不如年轻人能卷。这种“靠个人时间堆积的 ‘卷’ ”在 AI Coding 带来的效率提升面前根本不够看。
除此之外，大龄程序员积累的多工种能力（比如 产品 + 前端 + 后端）可以快速转化为「指挥多工种 Agent 工作的能力」。
极端情况下，会出现“一个跨能力大龄打工人指挥多工种 Agent，独立完成产品的全生命周期”。
这种效率提升是 10x 以上的。毕竟，Agent 之间不用开会撕逼「狗头」
有人会问，年轻人不也能指挥 Agent 卷么？残酷的现实是，AI Agent 太好用了，很多公司已经不愿意培养新人了，新人已经失去了老人当年通过实践掌握各种能力的环境。

@https1024

看了一晚上 Claude Code 泄露的代码，结合常见的记忆管理框架，把记忆模块做了一些分析。

Tulving 老爷子在 1972 年提出了记忆系统的框架设计，至今仍在广泛使用，他把记忆分为三类：1）情境记忆（episodic memory），我干了啥，用来记录过去；2）语义记忆（semantic memory），我知道啥，用来提炼规律；3）以及程序化记忆（procedural memory），我会做啥，用来决定行动。

这些记忆之间是存在相关性的，例如我经历的事情（情景记忆）会慢慢遗忘细节，储存在脑海中的是提炼后的规律和知识，也就是压缩成了语义记忆；而我知道的东西又会逐渐内化为行动的指引，变成一种“知道怎么做”的能力，这就是程序化记忆；程序化记忆反过来又会指导行动，从而产生新的经历。三者构成了一个不断循环的过程：经历 → 知识 → 技能 → 新的经历。

Claude Code Memory 在这几块都有对应的实践，例如每轮次的对话它会以 jsonl 格式做储存，这是情境记忆；同时在对话过程中还会有 SessionMemory 做实时蒸馏，相当于一边发生一边做初步整理。

每轮次结束后，它会 fork 出一个子 Agent（extractMemories）去提取值得持久化的内容，写入带 YAML 头的 MD 文件，这一层对应语义记忆，把零散对话压缩成可复用的知识。更有意思的是它还有一个 autoDream 机制，会在后台做整合和修剪，把碎片化的内容重新组织、合并、更新，这一步很像记忆的巩固过程。

很多框架都没有实现程序化记忆，而 Claude Code 做了。它有一个 feedback 的记忆类型，不仅记录了不要做什么（用户的纠正），还会记录哪些做法是对的（用户的确认），这些都是经验化的技能记录。多数系统只考虑负反馈，Claude Code 兼顾了正向确认，让 Agent 不至于越学越保守，这一点非常关键。

相比 LangMem/Mem0/Zep/EverMemOS/MemOS 这些框架，Claude Code 肯定弱的像个菜鸡😄。它有很多能力是明显不足的，例如：不支持语义化召回（用 LLM 扫 metadata 代替向量检索，上限 200 个文件）、遗忘策略比较粗（24 小时 or 5 轮对话触发整合）、无关联网络（记忆是孤立文件），等等。

真要像 EverMemOS/MemOS 那样追求全量记忆，工程和架构复杂度会直线上升，就拿 EverMemOS 来说，光基础设施就包含了 MongoDB/Elasticsearch/Milvus/Redis，更别说其他的附带依赖了。这类框架更适合做个人长期记忆管理。

另外也去对比了下 OpenClaw，它的记忆实现也非常有意思。它不追求全量记忆，而是优先解决“记忆什么时候该被用”。它把记忆拆成了三层：全局层、工作区层、任务层，逐层收敛，只在必要的时候才把上下文拉进来。

在 OpenClaw 眼里，记忆不是资产，正确使用记忆的能力才是。所以它的设计更侧重于重建临时的记忆网络。

放在这个视角下再去看 Claude Code，就会发现它其实选了一条更偏执行的路径。

对它来说，看清问题全貌也没那么重要。它解决问题的方式，更像人类工程师 debug，一边看、一边改、一边跑、一边修正，在行动中逐步逼近答案。

在这个过程中，Memory 的作用就是一个“防遗忘机制”，保证关键上下文不会在多轮试错中丢失。