Skills 持續學習

Anthropic 的願景：「第 30 天的 Claude 應該比第 1 天更聰明」。Skills 機制因其兩大結構優勢，特別適合實現這個目標——漸進式揭露讓知識累積不造成 context 膨脹，模組化讓每次學習都落地在正確位置。

為什麼「持續學習」這麼重要

一般 AI 對話像是與「健忘的天才」合作：學得快、記不住。每次新對話都要重建脈絡，浪費時間和 token，2025 年起流行的「Context Engineering」討論正是對此問題的回應。

AI 啟動時只讀 SKILL.md 開頭的名稱與描述（元資料），判斷是否需要才讀完整內容。

對比：
CLAUDE.md → AI 一定從頭讀完（塞太多 → context 爆炸）
Skill    → 先讀描述，有需要再讀全文（知識可以無限累積）

這讓 Skills 成為「可以不斷累積知識、而不會讓 context 臃腫」的容器。

Skill 是一個資料夾，「學習」= 把新知識加入對應檔案，不污染主指令：

.claude/commands/deploy/
├── SKILL.md              ← 保持精簡（AI 必讀）
├── common-mistakes.md    ← 錯誤累積（← 主要學習目標）
└── preferences.md        ← 個人偏好

每次犯錯後，手動在最相關的檔案加幾行：

# common-mistakes.md
- 部署前必須先執行測試套件（2026-04 學到）
- production 環境禁止週五部署

用 claude-reflect 讓 Hooks 自動捕捉糾正，跑 /reflect 一鍵整理：

你糾正 Claude → Hook 自動記錄 → /reflect 整理 → 寫入正確 Skill 或 CLAUDE.md

智慧路由：/reflect 會判斷糾正屬於哪個 Skill，精準寫入（不是全塞 CLAUDE.md）。

分析歷史 session，找出重複出現的操作模式 → 自動生成 slash command 草稿 → 使用者核准 → 新技能誕生。