知识操作¶

管理跨多个存储的知识摄取、整理、同步和检索的多层知识系统。

请优先采用实时工作区模型： - 代码工作放在实际克隆的仓库内 - 活动执行上下文放在 GitHub、Linear 和仓库本地的 working-context 文件中 - 广泛的人类可读笔记可以放在仓库外的上下文/归档文件夹中 - 持久的跨机器记忆应放在知识库中，而不是影子仓库的工作区中

激活时机¶

• 用户想要将信息保存到知识库
• 将文档、对话或数据摄取到结构化存储中
• 在系统之间同步知识（本地文件、MCP 记忆、Supabase、Git 仓库）
• 对已有知识去重或整理
• 用户说“保存到知识库”“同步知识”“你知道 X 的什么”“导入”“更新知识库”
• 任何超出简单记忆调用的知识管理任务

知识架构¶

层 1：活动执行真相¶

• 来源： GitHub 议题、PR、讨论、发布说明，Linear 议题/项目/文档
• 用途： 当前工作的运营状态
• 规则： 如果影响活动工程计划、路线图、推广或发布，则优先先放在这里

层 2：Claude Code 记忆（快速访问）¶

• 路径： ~/.claude/projects/*/memory/
• 格式： 带前置元数据的 Markdown 文件
• 类型： 用户设置、反馈、项目上下文、参考资料
• 用途： 跨对话持久化的快速访问上下文
• 会话开始时自动加载

层 3：MCP 记忆服务器（结构化知识图谱）¶

• 访问： MCP 记忆工具（create_entities、create_relations、add_observations、search_nodes）
• 用途： 对所有已保存记忆进行语义搜索、关系映射
• 通过可查询的图结构实现跨会话持久化

层 4：知识库仓库 / 持久文档存储¶

• 用途： 经过整理的持久笔记、会话导出、综合研究、操作员记忆、长文档
• 规则： 当内容不是仓库拥有的代码时，作为跨机器上下文的优先持久存储

层 5：外部数据存储（Supabase、PostgreSQL 等）¶

• 用途： 结构化数据、大规模文档存储、全文搜索
• 最佳场景： 对记忆文件来说太大的文档、需要 SQL 查询的数据

层 6：本地上下文/归档文件夹¶

• 用途： 人类可读笔记、已归档的游戏计划、本地媒体整理、临时非代码文档
• 规则： 可作为信息存储写入，但不要将其用作影子代码工作区
• 不适用场景： 活动代码变更或应放在上游的仓库真相

导入工作流¶

需要导入新知识时：

1. 分类¶

这是哪种类型的知识？ - 业务决策 -> 记忆文件（项目类型）+ MCP 记忆 - 活动路线图 / 发布 / 实现状态 -> 优先 GitHub + Linear - 个人偏好 -> 记忆文件（用户/反馈类型） - 参考信息 -> 记忆文件（参考类型）+ MCP 记忆 - 大规模文档 -> 外部数据存储 + 记忆内摘要 - 对话/会话 -> 知识库仓库 + 记忆内简短摘要

2. 去重¶

确认该知识是否已存在： - 搜索包含现有条目的记忆文件 - 使用相关术语查询 MCP 记忆 - 在创建另一个本地笔记之前，确认该信息是否已存在于 GitHub 或 Linear 中 - 不要创建重复项。相反，更新现有条目。

3. 保存¶

写入适当的层： - 为了快速访问，始终更新 Claude Code 记忆 - 为了语义搜索能力和关系映射，使用 MCP 记忆 - 如果信息改变实时项目的真相，先更新 GitHub / Linear - 将持久的长文追加提交到知识库仓库

4. 索引¶

更新相关的索引或摘要文件。

同步操作¶

会话同步¶

定期将会话历史同步到知识库： - 来源：Claude 会话文件、Codex 会话、其他代理会话 - 目标：知识库仓库 - 生成用于快速浏览的会话索引 - 提交并推送

工作区状态同步¶

将重要的工作区配置和脚本镜像到知识库： - 生成目录映射 - 在提交前编辑机密配置 - 按时间顺序跟踪变更 - 不要将知识库或归档文件夹当作实时代码工作区

GitHub / Linear 同步¶

如果信息影响活动执行： - 更新相关的 GitHub 议题、PR、讨论、发布说明或路线图线程 - 如果工作需要持久的计划上下文，则在 Linear 中附加支持文档 - 仅当本地笔记能提供额外价值时，稍后再镜像

跨源知识同步¶

将来自多个来源的知识汇集到一处： - Claude/ChatGPT/Grok 对话导出 - 浏览器书签 - GitHub 活动事件 - 编写状态摘要，提交并推送

记忆模式¶

# 短期: 現在のセッションコンテキスト
セッション内タスク追跡には TodoWrite を使用

# 中期: プロジェクトメモリファイル
クロスセッション呼び出しのために ~/.claude/projects/*/memory/ に書き込む

# 長期: GitHub / Linear / KB
アクティブな実行の真実は GitHub + Linear に
耐久性のある合成コンテキストはナレッジベースリポジトリに

# セマンティックレイヤー: MCP ナレッジグラフ
永続的な構造化データには mcp__memory__create_entities を使用
関係マッピングには mcp__memory__create_relations を使用
既知エンティティへの新しい事実には mcp__memory__add_observations を使用
既存の知識を見つけるには mcp__memory__search_nodes を使用

最佳实践¶

• 保持记忆文件简洁。不要让文件无限增长，而是归档旧数据。
• 在所有知识文件的元数据中使用前置元数据（YAML）。
• 保存前去重。先搜索，再创建或更新。
• 为每个事实集设置一个规范归属地。避免同一计划在本地笔记、仓库文件和跟踪文档之间出现并行副本。
• 在提交到 Git 之前编辑机密信息（API 密钥、密码）。
• 对知识文件使用一致的命名规则（lowercase-kebab-case）。
• 为条目添加主题/类别标签，以便检索。

质量门¶

完成知识操作之前： - 未创建重复条目 - 已从 Git 跟踪文件中编辑机密数据 - 索引和摘要已更新 - 已为数据类型选择适当的存储层 - 如相关，已添加交叉引用