# AI Distillate Agent Guide

## Goal

本目录用于持续蒸馏用户的 taste。每次学习都要同时满足两点：内容本身被可靠记录；其中可复用的判断信号能被未来 AI/Agent 快速读取。

默认使用中文；代码、专有名词或原始材料需要时保留英文。

## Routing

- 当前有效的长期偏好与判断原则：读取 `TASTE.md`。
- 某条偏好的证据、上下文或演变历史：读取 `learnings/` 中对应记录。
- 新增学习记录的格式：读取 `learnings/README.md`。
- 若任务涉及工程或研究工作流，可按需读取 `/Users/gahow/agentic-ctx/AGENTS.md`；不要复制其内容到本目录。

## Trigger: `学习：xxx`

收到以 `学习：` 开头的输入时，执行以下流程：

1. 先读 `TASTE.md`、`learnings/README.md` 和相关历史记录。
2. 建立 `learnings/YYYY-MM-DD-NNN-short-title.md`。编号为当日递增序号；标题应简短、稳定、可检索。
3. 忠实保存用户的原始指令。简短内容可以原文记录；长文件或可恢复材料使用路径、链接等可追溯引用，不无意义地复制全文。
   - `sources` 只记录本次实际收到或查阅的直接来源；
   - `references` 记录材料中提及但本次未必独立核验的作品或线索；
   - 不得把“被提及”写成“已验证”或“用户赞同全部内容”。
4. 提炼核心内容，并区分：
   - `明确偏好`：用户直接表达喜欢、不喜欢、应该或不应该；
   - `推断信号`：Agent 根据示例推断的潜在 taste；
   - `领域知识`：值得保留，但不能直接解释为用户偏好；
   - `待验证项`：证据不足或与既有记录冲突。
5. 写明适用范围、边界、反例和可执行影响。若材料没有提供这些信息，标记未知，不要脑补。
6. 更新 `TASTE.md`：
   - 明确偏好可直接加入，并链接学习记录；
   - 单个示例产生的推断默认标记为 `暂定`；
   - 纯领域知识留在学习记录中，除非它形成了可复用的判断原则；
   - 与既有偏好冲突时保留两份证据，标注条件差异或时间演变，不静默删除旧结论。
7. 运行 `python3 scripts/validate.py`，检查记录结构和证据链接。
8. 向用户简短报告：学到了什么、更新了哪些文件、哪些结论仍是推断。

输入清楚时直接沉淀，不为格式细节打断用户。只有缺失信息会实质改变结论时才提问。

## Evidence Discipline

`TASTE.md` 中每个条目必须包含：

- 状态：`确认`、`暂定`、`有条件` 或 `已取代`；
- 适用范围；
- 一句话规则；
- 至少一个指向 `learnings/` 的证据链接；
- 必要时包含反例、冲突或未知项。

不要把“用户分享了某内容”等同于“用户赞同其中所有观点”。不要把描述性事实改写成规范性偏好。不得为了画像整洁而删除有意义的分歧和演变记录。

## Change Discipline

- 每次学习只修改该条记录、`TASTE.md` 中相关部分，以及确有必要的索引或说明。
- 不做无关重构或格式化。
- 使用可读的 Markdown 和相对链接，保证该目录脱离当前对话后仍可使用。
- 完成前运行 `python3 scripts/validate.py`，并人工检查结论强度与证据相符。