以下为本文档的中文说明continual-learning持续学习是一个用于协调持续学习流程的技能它将对话记录挖掘和 AGENTS.md 更新的任务委托给 agents-memory-updater 子智能体执行。该技能的设计哲学是「纯协调」——自身只负责触发子智能体并返回结果不执行任何实际的转录挖掘或文件编辑操作。使用场景包括当用户要求挖掘之前的对话记录时、需要维护和更新 AGENTS.md 文件时、以及运行持续学习循环流程时。工作流程非常简单直接第一步调用 agents-memory-updater 子智能体第二步返回子智能体的执行结果。该技能设置了明确的安全护栏父技能只做协调工作不要在父流程中挖掘转录或编辑文件不要绕过子智能体直接操作。这种设计模式体现了单一职责原则和委托模式的最佳实践将复杂的记忆管理任务交给专门的子智能体处理保持了父技能的简洁性和可维护性。AGENTS.md 文件在整个系统中扮演着外部记忆的角色记录着从对话历史中提取的关键信息和模式使得 AI 代理能够在长期使用中不断积累和利用知识实现真正的持续学习能力。该技能适合需要在长期运行中保持上下文一致性的 AI 代理系统。Continual Learning\KeepAGENTS.mdcurrent by delegating the memory update flow to one subagent.\Trigger\Use when the user asks to mine prior chats, maintainAGENTS.md, or run the continual-learning loop.\Workflow\\Callagents-memory-updater.\Return the updater result.\Guardrails\\Keep the parent skill orchestration-only.\Do not mine transcripts or edit files in the parent flow.\Do not bypass the subagent.,“frontMatter”:{“name”:“continual-learning”,“description”:“Orchestrate continual learning by delegating transcript mining and AGENTS.md updates toagents-memory-updater.”,“disable-model-invocation”:true}}]41:I[471044,[