会话结束了，知识去哪了：跨会话的记忆工程

任务分解意味着一个复杂项目会跨越多个会话。每次会话结束，上下文窗口清空，Agent 的所有工作记忆归零。下一次会话从一个空白状态开始。

如果没有记忆机制，每次会话开始时你都需要重新向 Agent 解释项目的背景、当前的进展、已经做过的设计决策、踩过的坑。这个重复的信息传递既耗时又不可靠，因为你可能遗漏某些关键细节，而这些遗漏会导致 Agent 重新犯同样的错误。

Skill 卡片是解决这个问题的核心载体。每个 Agent 角色配备一份 Skill 卡片，记录它需要知道的持久化信息。一份最小的 Skill 卡片包含以下结构：

skill: Coder
inputs: [spec.section, test.failures]
outputs: [pr.diff, test.results]
definition_of_done: ["测试全绿", "PR描述映射到Spec条目"]
trust_boundaries: ["不更改数据库schema", "不修改外部API契约"]
failure_retry: {retries: 2, strategy: "缩小变更面+请求更多上下文"}
escalation: "连续失败转交Reviewer并回Spec澄清"

Skill 卡片跨会话持久存在。它承担了传统团队中隐性知识载体的功能。当一个新会话开始时，Agent 加载对应的 Skill 卡片，立刻获得角色定义、工作边界、已知的处理策略和历史教训。它不需要从零开始理解自己该做什么、能做什么、不能做什么。

除了角色级别的 Skill 卡片，还需要项目级别的知识持久化。每次会话结束时的知识捕获是关键环节：这次会话中做了什么决策？发现了什么新的约束？踩了什么坑？这些信息需要被结构化地记录下来，成为下次会话的输入。

一种有效的做法是在每次会话结束时进行简短的回顾：发生了什么？与 spec 和测试的预期有什么差异？哪个假设错了？哪个 Skill 或 spec 需要更新？这些问题的答案被捕获后写回 Skill 卡片或规约体系。

Skill 卡片本身也需要演进。随着项目推进，Agent 的角色边界可能调整，新的约束被发现，更好的处理策略被验证。Skill 卡片不是写一次就固定的配置文件，而是持续更新的知识载体。当一次 PR 引入了行为变化，对应的 Skill 卡片也应该同步更新。这是演进原则在知识层面的具体实践。

记忆工程的目标是让 Agent 的第一百次会话比第一次更高效。在人类团队中，这种积累是自然发生的。在 Agent 驱动的团队中，它需要被显式地工程化。