知识运维 是做什么的？
管理一个多层知识系统，用于跨多个存储层摄入、组织、同步和检索知识。
优先采用实时工作区模型：
- 代码工作位于真实的克隆仓库中
- 活跃执行上下文存在于 GitHub、Linear 以及仓库本地的工作上下文文件中
- 更面向人类的笔记可以存放在非仓库的上下文/归档文件夹中
- 跨机器持久化记忆属于知识库，而非影子仓库工作区
何时激活
- 用户希望将信息保存到其知识库
- 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 记忆、Supabase、Git 仓库）
- 对现有知识进行去重或组织
- 用户说“将此保存到知识库”、“同步知识”、“我知道关于 X 的什么”、“摄入此内容”、“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
第 1 层：活跃执行真相
- 来源： GitHub issues、PR、讨论、发布说明、Linear issues/项目/文档
- 用途： 工作的当前操作状态
- 规则： 如果某内容影响到活跃的工程计划、路线图、上线或发布，则优先将其放在此处
第 2 层：Claude Code 记忆（快速访问）
- 路径：
~/.claude/projects/*/memory/ - 格式： 带前言（frontmatter）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 记忆服务器（结构化知识图谱）
- 访问方式： MCP 记忆工具（create_entities、create_relations、add_observations、search_nodes）
- 用途： 跨所有存储记忆进行语义搜索、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/持久化文档存储
- 用途： 精选的持久化笔记、会话导出、综合研究、操作者记忆、长文档
- 规则： 当内容不属于仓库所属的代码时，这是跨机器上下文的优选持久化存储
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
- 适用场景： 对于记忆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、已归档的游戏计划、本地媒体组织、临时非代码文档
- 规则： 可写入用于信息存储，但不是一个影子代码工作区
- 不要用于： 活跃的代码更改或应存储在上游的仓库真相
摄入工作流
当需要捕获新知识时：
1. 分类
该知识属于什么类型？
- 业务决策 -> 记忆文件（项目类型）+ MCP 记忆
- 活跃路线图/发布/实现状态 -> 先更新 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
- 大型文档 -> 外部数据存储 + 记忆中的摘要
- 对话/会话 -> 知识库仓库 + 记忆中的简短摘要
2. 去重
检查此知识是否已存在：
- 搜索记忆文件中是否已有条目
- 使用相关术语查询 MCP 记忆
- 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。改为更新现有条目。
3. 存储
写入适当的层：
- 始终更新 Claude Code 记忆以实现快速访问
- 使用 MCP 记忆实现语义可搜索性和关系映射
- 当信息改变实时项目真相时，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
将对话历史记录定期同步到知识库：
- 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：
- 生成目录结构图
- 在提交前对敏感配置进行脱敏处理
- 随时间跟踪变更
- 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
当信息影响到活跃执行时：
- 更新相关的 GitHub issue、PR、讨论、发布说明或路线图线程
- 当工作需要持久的计划上下文时，将支持文档附加到 Linear
- 之后仅在仍有附加价值时才镜像本地笔记
跨源知识同步
将来自多个来源的知识汇聚到一处：
- 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
记忆模式
# 短期：当前会话上下文
使用 TodoWrite 进行会话内任务跟踪
# 中期：项目记忆文件
写入 ~/.claude/projects/*/memory/ 实现跨会话召回
# 长期：GitHub / Linear / KB
将活跃执行真相放到 GitHub + Linear 中
将持久化综合上下文放到知识库仓库中
# 语义层：MCP 知识图谱
使用 mcp__memory__create_entities 创建永久结构化数据
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
- 保持记忆文件简洁。归档旧数据，而不是让文件无限增长。
- 在所有知识文件上使用前端 (YAML) 元数据。
- 存储前先进行去重。先搜索，然后创建或更新。
- 每套事实集优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副本相同计划。
- 在提交到 Git 之前，脱敏处理敏感信息（API 密钥、密码）。
- 对知识文件使用一致的命名约定（小写-短横线-分隔）。
- 为条目打上主题/类别标签，以便于检索。
质量关卡
在完成任何知识操作之前：
- 没有创建重复条目
- 所有 Git 跟踪文件中的敏感数据已脱敏处理
- 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