知识运维 是做什么的？
管理多层知识系统，用于跨多个存储库摄入、组织、同步和检索知识。
首选实时工作区模型：
- 代码工作存在于真实的克隆仓库中
- 活跃执行上下文存在于GitHub、Linear和仓库本地的工作上下文文件中
- 更广泛面向人类的笔记可存放在非仓库的上下文/归档文件夹中
- 跨机器的持久性内存属于知识库，而不是影子仓库工作区
何时激活
- 用户想要将信息保存到知识库
- 将文档、对话或数据摄入到结构化存储中
- 跨系统同步知识（本地文件、MCP内存、Supabase、Git仓库）
- 去重或组织现有知识
- 用户说“保存到知识库”、“同步知识”、“我知道关于X的什么”、“摄入这个”、“更新知识库”
- 任何超出简单内存回忆的知识管理任务
知识架构
第1层：活跃执行真相
- 来源： GitHub issue、PR、讨论、发布说明、Linear issue/项目/文档
- 用途： 工作的当前操作状态
- 规则： 如果某项内容会影响活跃工程计划、路线图、发布或部署，请优先将其放在此处
第2层：Claude Code内存（快速访问）
- 路径：
~/.claude/projects/*/memory/ - 格式： 带有前置元数据的Markdown文件
- 类型： 用户偏好、反馈、项目上下文、参考
- 用途： 跨会话持久化的快速访问上下文
- 会话启动时自动加载
第3层：MCP内存服务器（结构化知识图谱）
- 访问： MCP内存工具（create_entities、create_relations、add_observations、search_nodes）
- 用途： 跨所有存储记忆的语义搜索、关系映射
- 跨会话持久化，具有可查询的图结构
第4层：知识库仓库/持久文档存储
- 用途： 精心整理的持久笔记、会话导出、综合研究、操作者记忆、长篇文档
- 规则： 当内容不属于仓库拥有的代码时，这是跨机器上下文的首选持久存储
第5层：外部数据存储（Supabase、PostgreSQL等）
- 用途： 结构化数据、大型文档存储、全文搜索
- 适用于： 对于内存文件来说过大的文档、需要SQL查询的数据
第6层：本地上下文/归档文件夹
- 用途： 面向人类的笔记、归档游戏计划、本地媒体组织、临时非代码文档
- 规则： 可用于信息存储，但不是影子代码工作区
- 不要用于： 应位于上游的活跃代码更改或仓库真相
摄入工作流
当需要捕获新知识时：
1. 分类
它是什么类型的知识？
- 业务决策 -> 内存文件（项目类型）+ MCP内存
- 活跃路线图/发布/实现状态 -> 优先更新GitHub + Linear
- 个人偏好 -> 内存文件（用户/反馈类型）
- 参考信息 -> 内存文件（参考类型）+ MCP内存
- 大型文档 -> 外部数据存储 + 内存中的摘要
- 对话/会话 -> 知识库仓库 + 内存中的短摘要
2. 去重
检查此知识是否已存在：
- 搜索内存文件中是否已有条目
- 使用相关术语查询MCP内存
- 在创建另一个本地笔记之前，检查GitHub或Linear中是否已存在该信息
- 不要创建重复项。而是更新现有条目。
3. 存储
写入适当的层：
- 始终更新Claude Code内存以实现快速访问
- 使用MCP内存实现语义可搜索性和关系映射
- 当信息更改实时项目真相时，优先更新GitHub / Linear
- 提交到知识库仓库以实现持久的长期添加
4. 索引
更新任何相关的索引或摘要文件。
同步操作
对话同步
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
- 生成会话索引以便快速浏览
- 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
- 在提交前脱敏敏感配置
- 跟踪随时间的变化
- 不要将知识库或归档文件夹视为实时代码工作区
GitHub / Linear 同步
当信息影响活跃执行时：
- 更新相关的GitHub issue、PR、讨论、发布说明或路线图线程
- 当工作需要持久的规划上下文时，将支持文档附加到Linear
- 仅当本地笔记仍然增加价值时才随后镜像
跨源知识同步
将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
- 写入状态摘要，提交并推送
内存模式
# 短期：当前会话上下文
使用TodoWrite进行会话内任务跟踪
# 中期：项目内存文件
写入 ~/.claude/projects/*/memory/ 以实现跨会话回忆
# 长期：GitHub / Linear / 知识库
将活跃执行真相放入GitHub + Linear
将持久综合上下文放入知识库仓库
# 语义层：MCP知识图谱
使用 mcp__memory__create_entities 进行永久结构化数据
使用 mcp__memory__create_relations 进行关系映射
使用 mcp__memory__add_observations 添加关于已知实体的新事实
使用 mcp__memory__search_nodes 查找现有知识
最佳实践
- 保持内存文件简洁。归档旧数据，而不是让文件无限增长。
- 对所有知识文件使用前置元数据（YAML）作为元数据。
- 在存储前进行去重。先搜索，再创建或更新。
- 每个事实集首选一个规范存储位置。避免在本地笔记、仓库文件和跟踪器文档中并行复制同一计划。
- 在提交到Git之前，脱敏敏感信息（API密钥、密码）。
- 使用一致的命名规范（kebab-case小写）命名知识文件。
- 使用主题/类别标记条目，以便更容易检索。
质量门
在完成任何知识操作之前：
- 没有创建重复条目
- 任何Git跟踪文件中的敏感数据已脱敏
- 索引和摘要已更新
- 为数据类型选择了适当的存储层
- 在相关位置添加了交叉引用