LLM 正在「会错意」？这个 Skill 让它越用越懂你

LLM 正在「会错意」？这个 Skill 让它越用越懂你

你有没有过这种体验：你跟 AI 说“这样不行”，它下次还是犯同样的错；你明明提了好几次偏好，它转头就忘。

这不是你的问题，也不是 AI 太笨，而是缺了一个把“纠错”变成“长期记忆”的机制。

今天给大家挖到一个很酷的 Skill，叫 learn，来自 Tyler-R-Kendrick 的 agent-skills 仓库。

它是干嘛的？

一句话总结：每次你纠正 AI，它都把这次纠错提炼成一条可复用的策略，而不是一句废话。

具体做法是：当你指出 AI 回答不好时，learn 会帮你把“这次为什么错了”转写成一条可检查的 steering rule，放进 ~/.agents/STEERING.md，并且附上 RDF/Turtle 格式的证据链接。

以后遇到相似场景，AI 就会先查这个索引，再回答你。

为什么值得关注？

• 不是记事实，而是记策略：memory 存“用户喜欢蓝色”，learn 存“以后不要一上来就给三个方案”。
• 可审计：每条学习都带证据链接，不是黑盒规则。
• 跨项目可用：兼容 Claude / Copilot / Cursor，不绑定单一平台。

这在 Agent 长期使用里特别有价值。因为多数人只用 memory，却没人把“用户的偏好和拒绝模式”结构化沉淀下来。

适合谁用？

如果你经常和 Coding Agent 协作，或者你自己在写 Agent Skill，这个 Skill 几乎是必装。它把“人机协作中的反馈回路”正式化成一个可维护的 skill。

总结

agent 的成长不应该只靠模型更新，也应该靠你每一次纠正。learn 就是干这件事的。

GitHub：https://github.com/Tyler-R-Kendrick/agent-skills/tree/main/skills/ai/learn

—

**GitHub:** https://github.com/Tyler-R-Kendrick/agent-skills/tree/main/skills/ai/learn