Project Cairn
把项目工作中验证过的经验沉淀为可复用知识，让 AI 代理在新会话、新项目里不再重复踩坑。
按维度查看评分与理由
证据显示为文档优先的技能：无后台钩子、写长期知识库须人工确认、写入前有只读预检脚本（obsidian/notion/lark-preflight），并在 Cited.md 记录外部引用，provenance 字段（graduated_from 等）可追溯，故最小权限、用户确认、数据流、外部影响、来源归属给 2 分。扣分点：凭据/认证令牌的存储与处理方式未在可见文件中说明；无任何回滚或撤销毕业写入的机制文档；依赖仅提到 PyYAML，无版本锁定或安全说明。
文档内部自洽（文件职责表、流程步骤与目录结构一致），前置条件与预检脚本支撑依赖可用性，各得 2 分。测试文件显示 notion-graduate-batch.py 的错误信息包含文件路径、行号、列号与修复提示（如 YAML 转义建议单引号），且汇总报告所有无效文件，错误消息质量可给 3 分。
受众与场景描述清晰（多项目、跨 Claude Code/Codex/WorkBuddy、知识需存续的团队），可给 3 分。'自动化边界'一节明确能力范围，触发依赖 AGENTS.md 规则、有初始化指令示例，各 2 分；环境适配说明了 macOS/Linux 验证、Windows 需 WSL，但 Python 版本与 shell 兼容性仅一句带过，扣至 2。
信息架构优秀：文档映射表、文件职责表、双生命周期划分明确，3 分。安装说明覆盖三种宿主并给出目录结构要求，3 分。许可证 MIT 全文可见，3 分。扣分点：示例只有 messaging-bot 一个流程叙述、无 FAQ；已知局限仅零散提及（无包管理器发布、Windows 限制）；未见 CHANGELOG 或版本号体系；维护者身份未经验证、无治理或更新承诺文档，这两项只给 1 分。
产出物为结构化 Markdown/YAML 笔记，面向人和机器可读，输出可用性 2 分。'毕业到知识库 + 搜索优先引用'的机制与 agent 记忆、superpowers 等工具区分清晰，有一定边际价值，2 分。无后台服务、按需生成文件的成本控制合理，但整体收益缺乏任何实测数据支撑，2 分。
毕业笔记通过 frontmatter 字段实现人物/项目/来源追溯，2 分；'已在 macOS 和 Linux 验证'等声明无法在本次静态审阅中核实，且知识库路径仅自称已验证、无第三方佐证，跨源印证 1 分。事实与推断区分较好：明确声明'不实现完整 OKF bundle'、审计'只报告不改写'，2 分。
- 凭据（Notion/Lark 令牌等）如何存储与传递在可见文件中未说明，请在接入知识库提供方前自行审查脚本中的认证处理。
- 毕业写入知识库后没有文档化的回滚机制，确认范围前请先备份目标知识库。
- 发布者未经验证，建议在克隆后人工审阅 SKILL.md、references/ 与 scripts/ 的实际内容再投入使用。
- 无版本号与变更日志，升级前请自行 diff 仓库变更。
- 所有'已验证'声明均来自仓库自述，本次为静态审阅，未经执行验证。
这个 Agent 能做什么，适合哪些场景？
Project Cairn（iBlinkQ/project-cairn）是一个面向 Claude Code、Codex 和 WorkBuddy 的 AI 代理技能，把项目协作过程中的教训、决策和结论持久化到项目内部。它通过根目录的 AGENTS.md 注入规则，由代理在正常工作流程中维护 cairn/LOG.md、cairn/ROADMAP.md 和主题笔记。当某条结论被验证为可跨项目复用时，代理会提出“毕业”候选，只有在人工确认后才会写入长期知识库，支持 Obsidian、Notion 和 Lark/飞书三种已验证的知识库。后续项目会先检索知识库，实际引用时在 cairn/Cited.md 记录指针而非复制全文。它没有后台钩子、不产生聊天结束后的后台运行，所有读写边界都是显式的。
初始化时，代理根据你提供的项目摘要、git 策略和迁移选项写入 AGENTS.md、.cairn/config.yaml 以及 cairn/ 目录结构。日常工作中，代理按 AGENTS.md 的规则把进展记入 cairn/LOG.md（倒序历史）、把整体目标与进度记入 cairn/ROADMAP.md、把某主题的当前结论维护在 cairn/<topic>.md 中；外部参考资料归档到 cairn/Reference/。主题笔记使用带 type 字段的 Markdown + YAML frontmatter（遵循 Open Knowledge Format 的最小约定），毕业笔记通过 graduated_from、contributors、graduated_by、authoring_mode 保留溯源信息。毕业流程使用 scripts/ 下的脚本，包括 obsidian-preflight.sh、notion-preflight.sh、lark-preflight.sh 三个只读预检脚本，以及 notion-graduate-batch.py（依赖 PyYAML）；每个知识库提供方的行为契约定义在 references/provider-interface.md，执行路径在 references/graduation/ 下。复用时代理先搜索知识库，命中后在 cairn/Cited.md 写指针。
- 同时推进多个 AI 协作项目的开发者，希望上一个项目验证过的坑不再在下一个项目里重蹈覆辙。
- 在 Claude Code 和 Codex 之间切换的用户，希望项目规则和结论跟随项目本身而不是某个代理会话。
- 团队成员变动后，需要项目知识不依赖某个人记忆而留存在仓库中的小团队。
- 使用 Obsidian、Notion 或飞书知识库作为个人/团队知识中枢，希望把项目经验定期沉淀进去的重度用户。
- 探索性分支即将关闭，希望在结束前把有用结论抢救成知识条目的研究者或工程师。
这个 Agent 有哪些优点和局限？
- 双生命周期设计：项目侧（规则、进展、当前结论）与知识库侧（跨项目沉淀）分离，避免所有信息堆进一个无限膨胀的文件。
- 毕业必须人工确认，且每次写入前有只读预检脚本（obsidian/notion/lark-preflight.sh），写入边界清晰可控。
- 毕业笔记带完整溯源字段（graduated_from、contributors、graduated_by、authoring_mode），结论可回溯到人员、项目和原始材料。
- 三个知识库提供方（Obsidian、Notion、飞书）都有已验证的毕业路径，且各自保留平台原生的链接与索引模型；复用通过 Cited.md 指针而非复制。
- 文档驱动、按需生成：除了初始化核心文件外，只在真实信号出现时才产生文档，不生成一堆空模板。
- 没有包管理器发布版本，只能通过 git clone 或手动下载 ZIP 安装，升级需要自行处理。
- shell 脚本仅在 macOS 和 Linux 上验证过，Windows 用户必须依赖 WSL 或 Git Bash。
- 知识库毕业路径只覆盖 Obsidian、Notion、Lark/飞书三种，使用其他知识库的用户没有现成的执行路径。
- 没有任何后台钩子，例行维护完全依赖代理在正常工作回合中遵循 AGENTS.md，若代理不遵守规则则记录会漂移，需要靠 audit 流程发现矛盾和遗漏。
- Python 脚本有额外依赖（Python 3、PyYAML），且部分自动化能力（如 notion-graduate-batch.py）分散在脚本中，需要用户自行确认环境。
如何安装或部署这个 Agent？
前置要求：git、bash（脚本已在 macOS/Linux 验证，Windows 需 WSL 或 Git Bash）；Python 脚本需要 Python 3，notion-graduate-batch.py 额外需要 PyYAML。Claude Code 用户级安装：git clone https://github.com/iBlinkQ/project-cairn.git ~/.claude/skills/project-cairn。Codex 用户级安装：git clone https://github.com/iBlinkQ/project-cairn.git ~/.agents/skills/project-cairn。WorkBuddy：下载 main 分支 ZIP，在侧边栏 Skills 中选择 Add Skill → Upload Skill 上传即可，无需手动复制目录。其他兼容代理：把仓库克隆到该代理加载技能的目录，确保 SKILL.md 位于 project-cairn/ 根目录而不是嵌套子目录。目前没有包管理器发布版本。
如何使用这个 Agent？
1) 对代理说“Initialize Project Cairn in this project”（在此项目中初始化 Project Cairn），它会收集项目摘要、git 策略和迁移选项并创建规则与配置；知识库提供方可以推迟到第一次毕业时再接入。2) 之后照常工作，代理在日常对话中按 AGENTS.md 维护进展和当前结论，无需单独运行记录服务。3) 当某条验证过的教训可能对其他项目有用时，让代理准备毕业候选；你确认范围之前不会写入长期知识库。后续项目会先搜索知识库，实际受影响时才在 cairn/Cited.md 记录指针。完整流程（T0–T8，含路线图维护、审计、再毕业）见 https://iblinkq.github.io/project-cairn/ 的交互式指南。
这个 Agent 与同类方案有什么区别？
与相邻工具的定位：LLM Wiki 专注于把你读过的源材料组织成 wiki，Cairn 专注于通过项目工作学到的知识；Open Knowledge Format 只定义格式，Cairn 关注知识的形成、维护、毕业与复用；代理记忆（agent memory）保证代理偏好与工作上下文的延续，Cairn 保证项目知识的延续；superpowers 通过规格、计划、测试与评审提升交付可靠性，Cairn 沉淀其中得出的稳定结论。核心区别在于：代理记得某件事，不等于项目学会了它。