开源洁癖技能让智能体持续学习优化更聪明

全文速览图

今天，我们来聊聊一个在AI协作开发中普遍存在，却又容易被忽视的“小”问题：项目文档和记忆的维护。当你的AI助手（Agent）越用越“笨”，反应迟钝甚至出错时，问题根源往往不是模型本身，而是它赖以工作的知识体系已经混乱不堪了。

为了解决这个问题，一个名为“洁癖.Skill”的工具应运而生。它做的事很简单：在你完成一次开发任务后，自动帮你审查并更新整个项目的文档、约束和记忆文件，确保知识库的整洁与准确。

这个名字听起来或许有些随意，但其解决的问题却非常实际。根据一些早期试用者的反馈，这个技能虽然功能聚焦，但效果显著。它的工作流程是：每当你在Agent中完成一个功能或修复一个BUG后，只需调用这个洁癖Skill，说一句“帮我全面审查一下”或直接输入“/Neat”，它便会自动启动。

接下来，它会扫描你整个项目的文档体系和记忆文件，根据本次对话的内容，迭代更新需要修改的文档、记忆和`CLAUDE.md`文件。在确保一切整理干净后，最后生成一份清晰的变更摘要，告诉你具体改动了哪些内容。

这个技能在Claude Code、Codex、OpenCode、OpenClaw四个主流平台上都能安装使用，通用性很强。

可以确定的是，定期使用这个工具会让你的Agent变得越来越“聪明”，这完全符合“洁癖”追求极致整洁的定义。

事实上，它已经成为许多深度用户每天使用频率最高的技能之一。有种感觉是，每次完成任务准备关闭窗口时，如果不运行一遍`/neat`，就像游戏没存档一样，让人浑身不自在。如果你了解“约束先行”的开发理念，大概能体会到这种对秩序的需求。

为什么需要“洁癖”？

开发这个技能的契机非常直接。现在大家都知道，Agent之所以会越用越笨，核心原因往往是上下文过于混乱。

这里的“上下文”远不止单次对话的聊天记录，它还包括项目内的各种文档、约束条件以及长期记忆文件。这些共同构成了Agent理解项目和执行任务的“知识大脑”。

然而，一个普遍的现象是：很多开发者在初期能很好地规划文档规范，但随着项目快速迭代，文档的维护便跟不上了。代码可能已经迭代了七八个版本，新功能上了无数个，但项目文档却还停留在1.0.0的初始状态。

这不仅仅是AI协作中的问题，许多公司内部项目的文档也难逃此命运——前期雄心壮志，规范清晰；几个月后，文档便无人问津，逐渐失效。

一个亲身经历的案例是“AIHOT AI热点监控系统”。这个系统内部功能已经相当复杂，仅精选策略相关的功能就有五六个。一条信息进入系统，需要经过十几步的数据清洗、加工和多层评估才会最终落库。即使在严格筛选信源的前提下，每天处理的数据量也超过500条。

在开发初期，为了后续能封装成CLI工具供更多人使用，决定将数据库从SQLite迁移到PostgreSQL。迁移本身工作量不小，当时使用的是Opus 4.6模型，时间一长，难免顾此失彼——数据库换完了，相关文档却忘记更新了。

结果在后续开发新功能时，Claude仍然调用着SQLite的语法，排查了半天才发现，根源是`CLAUDE.md`文件里还赫然写着“本项目使用SQLite数据库”。这只是一个小摩擦，但足以说明问题。经历多了就会发现，Agent许多莫名其妙的错误，根源往往不是模型不够聪明，而是它所依赖的文档和记忆已经“腐化”和混乱了。

有人可能会认为，这只是专业开发者才需要关心的事。但实际情况恰恰相反。很多专业开发者本身就有良好的工程习惯，比如规范地书写git commit message、随手更新README。

真正被这个问题深深困扰的，反而是那些借助Agent进行“氛围编程”（vibe coding）的群体，比如设计师、产品经理、内容创作者，以及广大非专业出身的爱好者。氛围编程前期非常畅快，跟AI聊几句代码就出来了，功能也能跑起来。可一旦项目规模扩大，缺乏维护的文档就会逐渐变成一团乱麻。到最后，你只会感觉自己的Agent越来越“笨”，却不知问题出在哪里。

而这个“维护”的痛点，正是“洁癖.skill”要解决的核心。

超越“自动做梦”：三层知识体系的维护

之前Claude Code推出过一个名为“AutoDream”（自动做梦）的功能，旨在自动整理记忆。当时很多人感到兴奋，认为这或许就是想要的解决方案。

但实际使用后，发现一个致命缺陷：AutoDream只处理记忆文件，完全不动项目文档。这就非常尴尬了。

在Agent开发中，一个项目的知识体系通常分为三层，每一层服务的对象和目的都不同：

1. 第一层：Agent自身的记忆系统。包括过去的聊天记录、项目中的隐性知识，主要服务于Agent当前会话的理解。
2. 第二层：项目根目录的`CLAUDE.md`。这是给AI自己看的“项目宪法”，规定了项目约定、结构、红线、路由清单等。
3. 第三层：`docs/`目录和`README`。这是给“其他人”看的，包括其他Agent、同事或下游开发者，内容如接入指南、架构说明、运维手册等。

这三层受众不同，职责也不重叠。例如，在`CLAUDE.md`里注明新增了五个路由，并不等于在`docs/integration-guide.md`里写明了下游该如何接入这五个路由。前者是提醒自己，后者是教导他人，两者都必须维护到位。

AutoDream的问题就在于，它只打理了第一层（记忆），而完全忽略了第二层和第三层（项目文档）。因此，它的实际效果相当有限。正是这个痛点，催生了功能更全面的“洁癖.skill”。

洁癖.Skill的核心逻辑与工作流程

这个技能开源发布，其核心设计原则可以概括为：合并优于追加，删除优于保留。

这或许与很多人的直觉相悖。大家通常觉得，信息多总比信息少好，万一以后用得上呢？但在AI协作的场景里，信息多不是优势，信息准才是。坦率地说，一条过期的记忆，比没有记忆更糟糕。因为没有记忆时，AI至少知道自己“不知道”，它会主动询问。但如果它读到了一条过期的错误信息，它会将其当作真理，并在此基础上进行推理和操作，结果可想而知。

一些AI工具越用越笨，根本原因就是其记忆系统过于臃肿，充斥着大量无效和冲突的信息。

安装了洁癖.skill后，每次运行，它会按顺序执行五个步骤：

第一步：强制机械式盘点。首先，它会毫无遗漏地列出项目中的所有Markdown文件，并逐一读取。这一步是为了避免“选择性整理”，确保没有关键文档被忽略。

第二步：变更影响分析。它会根据预设的“变更影响矩阵”文档，识别本次对话产生的新事实会波及到哪些文档层级。这一步不仅看对话内容，更关注影响的辐射范围。同时，它还会进行一项关键检查：本次变更是否跨项目？如果项目A的修改影响了依赖它的项目B，那么项目B的相关文档也必须同步更新。这是多次协同开发中最容易翻车的地方。

第三步：执行更新。按照一个严谨的顺序进行修改：先更新`docs/`目录下的对外文档，再更新`CLAUDE.md`项目宪法，最后整理Agent的会话记忆。这个顺序确保了知识从外到内、从公开到私有的同步更新。

第四步：自检清单。这是该技能系列工具的一个特色环节。它会运行一个自检清单，核对诸如“新增的环境变量是否在操作手册和`CLAUDE.md`中都出现了？”、“文档中是否还留有‘昨天’、‘上周’这样的相对时间表述？”等问题，确保更新的完整性和准确性。

第五步：输出变更摘要。所有工作完成后，它会生成一份清晰的报告，详细列出本次整理所做的所有改动，让使用者一目了然。

这五个步骤听起来复杂，但完全是技能自动完成的。用户需要做的，仅仅是在任务收尾时，输入一个简单的命令。

如何使用？把它当作“游戏存档”

使用方式极其简单。最直接的方法是输入：/neat。

或者说中文“审查一下”、“整理一下”等指令也可以触发。

建议的使用习惯是：在所有开发任务的收尾阶段，都运行一次`/neat`。你可以把它类比为游戏的“存档机制”。这次任务结束了，点击存档，那么下次开启新会话时，就能从一个干净、准确的知识起点继续，而不必背负之前所有混乱的对话历史。

洁癖.skill看似只是在整理文档，但它真正解决的是一个更深层的问题：它将你的知识体系从依赖脆弱的对话上下文，转变为依赖持久化、可维护的文档。这意味着，对话窗口可以随时关闭，但项目的核心知识永远在那里，并且是最新的。

由于上下文过长会导致模型性能下降（即“上下文腐败”问题），即使Claude Opus 4.7宣称支持100万上下文，实际测试中，当上下文长度达到50万左右时，模型表现就可能开始不稳定。因此，一个常见的策略是在上下文达到40万左右时，就进行一次整理和“存档”，然后开启新的会话窗口。

在新窗口中，因为文档和记忆都管理得井井有条，你几乎不需要给出冗长的背景提示，任何问题都可以直接提出，Agent都能基于准确的知识库给出精准的解决方案。解决完后，再次运行`/neat`进行存档。如此循环，你的Agent助手便会真正意义上“越用越聪明”。

结语：AI时代的“断舍离”

这个技能经过公司内部同事和几家合作企业朋友的试用，获得了不错的反馈。因此决定将其开源，希望能帮助到更多受困于知识库混乱的开发者。

生活中，我们常需要“断舍离”，清理物理和内心的空间。在AI时代，这一理念同样至关重要。对于AI的知识库，我们需要：过期的就删除，重复的就合并，模糊的就修正。

让知识库永远只保留当前最准确的真相。这或许是AI协作中，比学会编写复杂提示词（Prompt）更为基础，也更重要的一件“小事”。