Module 4 的核心问题:Skill 构建好了、能用、可靠。但它能持续工作、跨 Session 保持一致、规模化运行吗?
真实使用不是单次交互,是持续运行。当你在做长篇内容、多步项目、持续工作流时,会遇到一个限制:Claude 不会无限期记住之前的 Session。上下文重置,进展丢失,你的"自动化"又变回手动。
跨 Session 持久化方案
核心概念:通过共享日志文件进行状态管理。
在 Skill 内部引入一个文件:context-log.md,作为 Session 之间的记忆。在 SKILL.md 里加两条指令:
每个 Session 开始时:读取 context-log.md → 理解之前的进展 → 识别待处理任务
每个 Session 结束时:写一份已完成工作的摘要 → 列出剩余任务 → 标注重要笔记
就像医院交接班:一个专业人员结束轮班,下一个读报告,工作继续,没有混乱。Skill 同样:读取 → 理解 → 继续。
有状态 vs 无状态的区别
无状态:每个 Session 从零开始,重复指令。
有状态:每个 Session 在前一个基础上推进,更快执行、一致输出、零重复指令。
Skill 的长期演化方向
当 Skill 进化时,它们应该支持:
- 分阶段追踪:把任务分解成多个阶段,无缝续接
- 输出精炼:不只是输出,还要反复改进草稿、保持版本清晰
- 格式规范:定义输出格式、命名规范、文档风格,让每个 Session 都可预测
目标:每次 Session 都可预测。
工作流生态系统
到了这个阶段,你不再处理单个 Skill,而是在构建工作流生态系统——多个 Skill 协同工作,每个有明确的角色:
- Research Skill → 收集洞察
- Writing Skill → 起草内容
- Editing Skill → 精炼输出
- Formatting Skill → 准备最终版本
每个 Skill 负责一个职责,共同创建一个无缝管道。
核心认知转变
一开始,Claude 感觉像个聊天机器人。到了这个阶段,你不再"和 Claude 聊天",你是在操作一个围绕你的工作流定制的系统。
两种选择:
- 每天重复相同的指令,在小地方浪费时间,累积起来
- 花少量时间构建 Skill,永久消除那种重复
区别在于:一个是手动努力,另一个是系统设计。
context-log.md 这个设计是把"会话"变成"工作"的关键——每次 Session 结尾的摘要和待办不是记录,是下次启动时的上下文。这和 Claude Code 的 auto-dream 思路一致,只是这个是显式的文件层,auto-dream 是隐式的 LLM 层。