A: 自动检测模式通过关键词检测判断任务复杂度。来看实际效果:
| 你说了什么 | 触发? | 为什么 |
|---|---|---|
| "帮我算一下 1+1" | ❌ 不触发 | 0 个关键词 |
| "帮我看看今天天气" | ❌ 不触发 | 0 个关键词 |
| "分析一下这个数据" | ✅ 触发 | "分析" + "数据"(2 个关键词) |
| "开发一个统计工具" | ✅ 触发 | "开发" + "统计"(2 个关键词) |
如果过于敏感,可以:
- 首次触发时:AI 会询问是否开启自动记录,可选择"否,本次"
- 调整敏感度:修改
settings.yaml中的min_keyword_count(默认 3,提高到 4-5 更严格) - 添加排除词:在
exclude_patterns中添加你常用的非复杂任务词汇 - 完全关闭:设置
auto_record: false
A:
| 平台 | 检测方式 | 用户告知 |
|---|---|---|
| CodeBuddy | 意图识别 | AI 根据对话内容判断是否创建,操作前会提示用户 |
| WorkBuddy | 意图识别 | 同上 |
| OpenClaw | Hook + 意图识别 | 支持 Hook 事件驱动(操作后告知用户),并非"无感知" |
注意:MyKnowledge 不会在用户无感知的情况下创建文件。首次检测到大任务时会询问用户是否开启自动记录。
A: 修改 settings.yaml:
features:
smart_tracking:
enabled: false # 改为 falseA: 目前支持:
- CodeBuddy - 腾讯 AI 助手
- WorkBuddy - 企业版 AI 助手
- OpenClaw - 开源 AI 助手框架
- Claude - Anthropic 的 AI 助手(v1.0.18+)
A: 核心功能一致,但智能任务追踪实现不同:
- OpenClaw 支持 Hook 事件驱动(操作后告知用户)
- CodeBuddy/WorkBuddy 依赖 AI 意图识别,操作前会提示
A:
- Skill 首次加载时会自动检测并询问
- 查看
skill-state.yaml中的platform字段 - 直接问 AI:"你是什么平台?"
A:
| 类型 | 位置 | 用途 | 共享范围 |
|---|---|---|---|
| 全局知识库 | ~/MyKnowledge/global/ |
跨项目通用知识 | 所有项目可访问 |
| 项目知识库 | {project}/.myknowledge/ |
项目专属文档 | 仅限本项目 |
建议:
- 通用方法论、工具总结 → 全局知识库
- 具体项目需求、数据 → 项目知识库
A:
- 可以,直接移动文件夹即可
- 注意更新相关路径引用
- 项目知识库移动后,在新位置重新初始化即可恢复
A:
# 备份全局知识库
cp -r ~/MyKnowledge/global ~/MyKnowledge/global-backup
# 备份项目知识库
cp -r .myknowledge .myknowledge-backupA: 格式为 REQ-YYYYMMDD-XXX
REQ- 需求前缀YYYYMMDD- 日期XXX- 当日序号(001, 002, ...)
A: 目前不支持完全自定义,但可以:
- 在创建时指定标题来区分
- 在需求 README 中添加自定义标签
A:
状态列表:
Created- 已创建In Progress- 进行中Review- 审核中Done- 已完成Cancelled- 已取消
流转规则:
Created → In Progress → Review → Done
↓
Cancelled
A:
- 在
{knowledge-base}/archive/目录下 - 在
PROJECT-STATUS.md的"已完成"章节 - 使用命令:"查看已完成需求"
检查清单:
- 当前目录是否有写入权限?
- 路径是否包含非法字符?
- 磁盘空间是否充足?
检查清单:
- 知识库是否已初始化?
- PROJECT-STATUS.md 是否存在?
- 需求 ID 是否正确?
检查清单:
- Skill 是否放在正确的 skills 目录?
- 目录名是否为
myknowledge? - AI 是否已重启?
场景:原本通过 Skill Hub/ClawHub 安装,后来改用 GitHub 更新
解决方法(推荐):
直接告诉 AI:
- "我改用 GitHub 更新了" → AI 自动更新记录
- "切换安装源到 skillhub" → 切换到 SkillHub
- "安装源是 clawhub" → 切换到 ClawHub
备用方法(手动修改):
# 编辑安装源文件
~/.myknowledge/config/install-source
# 修改为对应的安装源
source: "github_clone" # 或 skillhub_web / clawhub 等自动检测(如果可用):
1. 告诉 AI:"检查安装源"
2. AI 会尝试检测 Skill 目录的标记文件(.git / .skillhub / .clawhub)
3. 如果检测到变更,会询问是否更新记录
ClawHub 特有场景:
- ClawHub 安装的 Skill 可能有
.clawhub标记目录 - 如果从 ClawHub 切换到 Skill Hub,检测逻辑会提示变更
💡 这些是用户最常见的"以为可以但实际不行"的情况。更多坑见 docs/PITFALLS.md。
错误想法:"我往知识库里存了几百条数据,想用 SQL 查询"
为什么不支持:MyKnowledge 是 Markdown 文件管理,不是数据库。适合记录项目状态、需求跟踪、知识沉淀,不适合做结构化数据存储。
正确做法:需要数据库能力时,配合真正的数据库工具使用。
错误想法:"我把所有对话都自动记录了,以后可以回看"
为什么不支持:智能任务追踪的设计目的是"复杂任务的上下文追踪",不是"完整聊天日志"。所有对话都记录会导致信息淹没。
正确做法:定期让 AI 总结关键要点,删除碎片对话。参考 PITFALLS 坑 7。
错误想法:"我直接改 skill-state.yaml 或者 PROJECT-STATUS.md,更快"
为什么不支持:手动编辑可能引入格式问题、破坏状态一致性、触发未预期的行为。
正确做法:所有修改通过 AI 对话完成。AI 会保持格式一致性和状态完整性。参考 PITFALLS 坑 14。
错误想法:"我在 CodeBuddy 建的知识库,OpenClaw 应该直接能用"
为什么不支持:~/.myknowledge/ 是本地用户数据,平台间不自动同步。且 skill-state.yaml 中包含平台特定信息。
正确做法:每个平台独立初始化,或用 git 手动管理用户数据目录(注意排除平台特定配置)。参考 PITFALLS 坑 11。
错误想法:"建了知识库就完事了,AI 会自动管理一切"
为什么不支持:MyKnowledge 是工具,不是全自动管家。
对比示例:
| 做法 | 3 周后的项目状态 |
|---|---|
| ❌ 建了就不管 | PROJECT-STATUS.md 停留在 3 周前,3 个需求卡在"In Progress" |
| ✅ 每周说"项目进展如何" | 状态实时更新,2 个已完成归档,1 个进行中,一目了然 |
正确做法:每次完成需求时说"REQ-xxx 完成",每周说一次"项目进展如何"回顾状态。
MyKnowledge 可以作为基础 Skill,被其他 Skill 调用:
- 数据分析 Skill 可调用 MyKnowledge 记录分析过程
- 项目管理 Skill 可调用 MyKnowledge 管理需求
修改 core/templates/ 目录下的文件:
core/templates/project-status-template.md- 项目状态模板core/templates/requirement-readme-template.md- 需求文档模板core/templates/design-doc-template.md- 设计文档模板
推荐结构:
项目根目录/
├── .myknowledge/ # 项目知识库
│ ├── requirements/ # 按模块分需求
│ │ ├── REQ-001-用户模块/
│ │ ├── REQ-002-订单模块/
│ │ └── REQ-003-支付模块/
│ └── archive/ # 已完成归档
└── src/ # 项目代码
技巧:
- 一个需求 = 一个独立功能模块,不要太细也不要太粗
- 在需求 README 中链接到相关代码文件,方便回溯
- 定期归档已完成需求,保持活跃列表清爽
对 AI 说:
把本周完成的 3 个需求总结成周报要点
或者:
把过去一周 PROJECT-STATUS.md 的变更记录汇总成一句话进展
在 settings.yaml 中调整检测灵敏度以匹配你的工作风格:
complex_task_detection:
min_keyword_count: 3 # 如果觉得太敏感调到 4-5,如果希望更积极调到 2
keywords: # 添加你常用的复杂任务关键词
- "分析"
- "重构"
- "迁移"
exclude_patterns: # 添加你经常用但不希望触发自动记录的词
- "简单"
- "快速"
- "查一下"需求 README 应该包含:
- 目标:一句话说清楚这个需求要做什么
- 背景:为什么需要这个需求
- 关键决策:过程中做了什么重要选择
- 结果:最终产出物在哪
不应该包含:
- 完整的对话日志(太碎)
- 每次 AI 交互的原始输出(信息噪音)
- 未整理的数据分析中间结果
💡 让 AI 帮你整理:说"把 REQ-001 的会话记录整理成要点总结"。
- GitHub Issues: https://github.com/CoderMoray/MyKnowledge/issues
- 文档: https://github.com/CoderMoray/MyKnowledge/blob/main/README.md
- 避坑指南: docs/PITFALLS.md — 常见坑与正确做法
最后更新: 2026-06-10