Wick：基于本地Markdown文件构建AI持久记忆的思考伙伴系统

1. 项目概述：一个能“记住”你的AI思考伙伴

如果你和我一样，每天都要和Claude、ChatGPT这类大模型对话，那你一定经历过这种挫败感：昨天刚花半小时给它讲清楚你项目的技术栈、业务逻辑和个人偏好，今天打开一个新对话窗口，它又变回了一张白纸，一切归零。你不得不把同样的上下文、同样的背景信息，再复述一遍。这种“金鱼记忆”让AI更像一个临时工具，而不是一个能与你共同成长的伙伴。

这正是Wick要解决的核心痛点。它不是一个全新的AI模型，而是一个运行在现有大模型（如Claude、GPT）之上的“操作系统”和“记忆层”。简单来说，Wick通过一套本地存储的Markdown文件，让AI拥有了跨会话的持久化记忆。它知道你是谁，记得你上周做的关键决策及其理由，了解你所在领域的专业知识，甚至能追踪你（和它自己）过去预测的准确性。经过几十次对话的“训练”后，Session 30的Wick会比Session 1的Wick聪明得多，因为它真的在“学习”和“积累”。

最吸引我的，是它的设计哲学：完全本地、数据主权、极致便携。所有“记忆”都只是你电脑memory/文件夹里的纯文本文件，没有云端同步，没有数据上报，没有供应商锁定。你可以今天在Claude Code里用，明天把整个文件夹复制到Cursor项目里，后天又粘贴到本地Ollama的系统提示词中——你的思考伙伴始终如一，记忆毫发无损。这种自由，在当今各种封闭的Agent生态中，显得尤为珍贵。

2. 核心架构与工作原理拆解

要理解Wick为何强大，我们需要拆解它的核心架构。它没有使用复杂的微调或服务器，而是巧妙地利用了现有AI工具的“系统提示词”机制，通过文件叠加，构建了一个分层的智能体。

2.1 四层架构：从通用模型到专属伙伴

Wick的运作可以看作一个四层模型，每一层都为上层的“思考”提供支撑：

基础模型层 (Claude/GPT等) -> 人格与指令层 (CLAUDE.md) -> 知识框架层 (KNOWLEDGE.md) -> 用户记忆层 (memory/*.md) = 专属的Wick

第一层：基础模型这是底层引擎，比如Anthropic的Claude 3.5 Sonnet或OpenAI的GPT-4。它提供了通用的语言理解和生成能力，但缺乏针对你的个性化上下文。

第二层：人格与操作系统 (CLAUDE.md)这是Wick的“大脑”或“操作系统”。它定义了Wick是谁（一个严谨、注重校准、引用框架的思考伙伴），以及它应该如何运作。其核心是“五道门”决策框架：

1. 清晰之门：问题是否被准确定义？模糊性是否已被消除？
2. 认同之门：现有证据是否足够支撑当前结论？是否存在可证伪性？
3. 框架之门：应采用哪个思维模型（如二阶思维、贝叶斯更新）来分析？
4. 决策之门：在分析基础上，做出可执行的选择。
5. 记录之门：将决策、预测及理由归档到记忆文件中，完成学习闭环。

这个文件还包含了Wick的“声音”、12个核心命令（如/decide,/calibrate）以及学习引擎的规则。当Claude Code启动时读取这个文件，它就“化身”为Wick。

第三层：思维框架库 (KNOWLEDGE.md)这是Wick的“工具箱”或“参考书”。它不是一个简单的提示词集合，而是一个结构化的、可引用的知识体系，涵盖了：

• 哲学与逻辑：如奥卡姆剃刀、黑天鹅理论。
• 决策科学：如预期价值计算、后悔最小化框架。
• 认知偏差：如确认偏误、规划谬误及其对抗策略。
• 研究方法：如双盲实验、CRAAP可信度评估。
• 吉仁泽启发式：在信息有限时快速做出稳健决策的规则。

当Wick分析问题时，它会主动从KNOWLEDGE.md中调用相关框架，让思考过程从“凭感觉”变为“有据可循”。

第四层：用户记忆 (memory/文件夹)这是Wick区别于所有一次性提示词的核心，也是其价值随时间复利增长的关键。它包含多个Markdown文件：

• about-you.md: 你的背景、领域、工作习惯。
• decisions.md: 过往重要决策的日志，包括选项、分析框架、最终选择和理由。
• predictions.md: 预测登记簿，记录事件、预测概率、解决日期和事后验证的Brier分数（一种衡量概率预测准确度的指标）。
• learning-journal.md: Wick从错误和你的纠正中学到的东西。
• domain-knowledge.md: 你传授的领域特定知识。

这些文件在每次对话后通过/reflect命令更新，并在每次新对话开始时被读取。正是这个不断增长的、关于你的上下文，使得Wick成为一个真正的“思考伙伴”。

2.2 便携性设计的精妙之处

Wick的跨运行时兼容性是其一大杀手锏，这得益于其“纯文本即接口”的设计。

• 对于原生支持CLAUDE.md的工具（如Claude Code, Cursor）：直接读取，开箱即用。
• 对于支持自定义系统提示词的工具（如ChatGPT Web/API, 本地Ollama）：将CLAUDE.md的内容粘贴到系统提示词中即可。
• 对于支持其他配置文件的工具（如Aider的CONVENTIONS.md, 许多IDE的AGENTS.md）：Wick贴心地提供了适配文件AGENTS.md，作为通用桥梁。

这意味着你的“记忆”（memory/文件夹）和“人格”（CLAUDE.md）是独立于任何平台的资产。你可以随时迁移，而积累的智力资本不会丢失。这种设计是对当前各种“围墙花园”式AI生态（如OpenAI GPTs、Claude Projects）的一种有力回应。

3. 三种部署模式详解与实战选择

Wick提供了三种安装模式，以适应不同的项目状态和个人偏好。选择哪种模式，取决于你想让Wick在你的工作流中扮演什么角色。

3.1 模式A：全面接管（适合全新项目）

这是最直接、最沉浸式的体验。如果你的项目是全新的，或者你愿意从头开始配置AI伙伴，这个模式让你快速上路。

操作步骤：

1. 克隆Wick仓库到本地。
2. 将Wick的所有文件复制到你的项目根目录。
3. 进入项目，启动Claude Code。

此时，Claude Code会读取项目根目录下的CLAUDE.md，并完全以Wick的人格和规则启动。所有命令、记忆系统立即生效。

重要警告：此模式会覆盖项目目录下任何已存在的CLAUDE.md文件。请确保你的项目是全新的，或者你已备份原有配置。

实战心得：我建议在开始一个全新项目时使用此模式。例如，启动一个全新的微服务或一个个人博客项目。这样，从第一行代码开始，Wick就参与其中，记录每一个技术选型决策（为什么选React而不是Vue？为什么用PostgreSQL？），这些记录在项目复盘或新人接手时价值连城。

3.2 模式B：人格叠加层（适合已有项目的渐进式集成）

大多数情况下，我们是在已有项目上进行开发。你可能已经有一个精心调校的CLAUDE.md，里面写满了项目特定的代码规范、架构说明。你不想抛弃它们，但又想引入Wick的思维框架。模式B就是为此而生。

操作步骤：

1. 克隆Wick仓库。
2. 将WICK.md、KNOWLEDGE.md、GROWING-WICK.md和整个memory/文件夹复制到你的项目。
3. 在你原有的CLAUDE.md文件末尾，添加一行引用：Read and follow the instructions in WICK.md as your personality and operating system.

这个做法的精妙之处在于“链式加载”。Claude Code先读取你原有的CLAUDE.md，获得了项目上下文，然后根据指令再去读取WICK.md，从而加载了Wick的人格和框架。两者融合，你的项目规则和Wick的思考体系得以共存。

一个配置示例：假设你原有的CLAUDE.md是关于一个Python后端项目的：

# 项目规范 - 本项目使用FastAPI框架。 - 数据库交互统一使用SQLAlchemy异步ORM。 - 所有API响应必须遵循`{“code”: int, “data”: any, “msg”: str}`格式。

在末尾加上Wick的引用后，AI会同时遵守这些项目规范，并在分析问题、做决策时，调用Wick的“五道门”和KNOWLEDGE.md中的框架。

3.3 模式C：按需调用的专家子智能体（最灵活的协作模式）

这是我最常使用的模式，也是我认为最符合“伙伴”定位的模式。我不想让Wick接管每一次对话，而是希望在我需要深度分析、严谨决策时，能随时召唤这位“专家顾问”。

操作步骤：

1. 在你的项目目录下创建.claude/agents/文件夹（如果不存在）。
2. 将Wick仓库中的wick.md（位于.claude/agents/内）和KNOWLEDGE.md、memory/文件夹复制到你的项目对应位置。
3. 在你日常的Claude Code会话中，当你遇到一个复杂决策时，使用Task工具调用它。

调用示例：假设我正在评估是否应该将某个单体服务拆分为微服务。在普通的Claude对话中，我输入：

Task(subagent_type: "wick", prompt: "analyze this decision using your 5 gates: Should we split the monolithic user-service into separate auth-service and profile-service? Our team size is 5, and we expect traffic to grow 300% in the next year.")

Claude Code会瞬间创建一个新的子会话，在这个会话中加载Wick的人格、框架和记忆，针对我的问题给出一个结构化的分析报告。报告完成后，子会话结束，我回到主会话，继续普通的编码工作。

模式选择决策矩阵：

4. 核心工作流与命令实战指南

Wick的价值需要通过其一系列命令来激活。这些命令不是魔法，而是精心设计的文本模式，引导AI执行特定的、高价值的思考任务。

4.1 核心六命令：构建你的思考体系

这六个命令是日常交互的基石，它们帮助你将模糊的想法转化为可追踪的智力资产。

1./reflect：会话总结与记忆更新这是每次重要对话后必须执行的命令。它不会自动运行，需要你手动触发。

• 它会做什么：回顾本次对话的要点，并提议更新到哪个记忆文件。例如，它会说：“本次我们讨论了微服务拆分，涉及了团队负载和预期流量。是否将‘团队当前5人，预期年流量增长300%’这一事实更新到memory/domain-knowledge.md的‘项目背景’部分？” 你同意后，它才会写入。
• 实操技巧：不要每次闲聊都用/reflect，而是用在有实质性进展的对话后。这保证了记忆文件的“信噪比”很高。

2./calibrate：量化你的预测，训练判断力这是Wick最具特色的功能之一，旨在对抗人类的过度自信。

• 使用场景：当你对某个未来事件有一个直觉性的概率判断时（如“这个功能上线后，用户投诉率有30%的可能性会上升”）。
• 操作流程：输入/calibrate，Wick会引导你：
  1. 清晰描述预测事件。
  2. 给出你的概率估计（如“30%”）。
  3. 设定一个解决日期（如“2024-10-01”）。
• 背后原理：这个预测会被记录到memory/predictions.md。到期后，你用/review命令来“结算”，输入实际结果（发生或未发生）。Wick会自动计算Brier分数（公式为(实际结果 - 预测概率)^2，结果越接近0越好）。长期追踪Brier分数，你能清晰看到自己在哪些领域过于乐观或悲观。

3./decide [topic]：结构化决策分析这是“五道门”框架的实战入口。当面临选择时（比如“选用技术栈A还是B？”），输入/decide 技术栈选型。

• 它会引导你：
  • 门1（清晰）：帮助你把模糊的“选哪个好”变成“在满足性能、团队熟悉度、长期维护成本条件下，哪个更优？”的具体问题。
  • 门2（认同）：追问证据。“你说A性能好，有基准测试数据吗？团队对B更熟，有多少人有实际项目经验？”
  • 门3（框架）：建议分析框架。例如，用“预期价值计算”来量化，或用“后悔最小化”来从情感层面评估。
  • 门4（决策）：基于以上分析，给出建议选项。
  • 门5（记录）：自动生成决策摘要，并询问你是否存入memory/decisions.md。

4./learn [topic]：主动传授领域知识当你进入一个新领域或需要Wick深度理解你的业务时使用。输入/learn 区块链跨链桥安全模型。

• 过程：Wick会化身“苏格拉底”，向你提出一系列问题，从基础概念到关键权衡，引导你系统地阐述知识。你的回答会被结构化地记录到memory/domain-knowledge.md。下次讨论相关话题时，Wick就能引用这些知识。

5./review：定期回顾与校准这是“复盘”动作。运行它，Wick会：

• 列出所有已过“解决日期”的预测，让你输入实际结果，并更新Brier分数。
• 展示你整体的校准曲线（在memory/calibration.md中），告诉你是否倾向于过度自信（预测概率高于实际发生频率）或信心不足。
• 提示你回顾最近的决策，看是否有需要更新的地方。

6./status：快速状态检查一键查看记忆系统的健康度：有多少条决策记录、多少条待解决的预测、当前的校准统计概览。用于快速了解你的“数字大脑”的积累情况。

4.2 分析型六命令：提升思维质量

这组命令用于在深度思考时，主动对抗认知偏差，提升分析严谨性。

/premortem [project]：事前验尸在项目启动或重大决策前使用。命令Wick“假设这个项目6个月后彻底失败了，请倒推可能的原因”。它能暴露出那些盲目乐观时忽略的致命风险。

/steelman [position]： steelman论证当你想反驳一个观点时，先使用此命令。要求Wick为你需要反驳的立场，构建一个最强有力、最合理的版本。这迫使你真正理解对手的论点，避免攻击“稻草人”。

/frame [framework]：调用特定框架当你知道某个思维模型适用时直接调用。例如，在评估一个快速扩张计划时，输入/frame 二阶思维，Wick会专门从“行动的后果的后果”角度进行分析。

/doubt [claim]：强化质疑对任何一个断言使用。输入/doubt “采用NoSQL能让性能提升十倍”，Wick会从基本比率（有多少类似场景真的提升了十倍？）、可证伪性（什么证据能证明这个说法是错的？）、替代解释等角度进行无情审视。

/forget [topic]&/audit：记忆管理用于维护记忆系统的整洁。/forget可以安全地删除某个过时或错误的信息（会保留审计痕迹）。/audit则让Wick自我检查记忆文件，标记出陈旧的条目、潜在的矛盾点，建议合并或清理的内容。

4.3 按需技能库：扩展能力边界

Wick的技能（位于.claude/skills/目录）是模块化的能力包，只在被调用时加载，不增加主提示词的负担。它们遵循agentskills.io规范，这意味着它们也能被其他兼容此规范的智能体系统使用。

常用技能实战：

• wick-code-review：提交一段代码或PR链接，Wick会以“五道门”的严谨性进行审查，并按照“阻塞性”、“重要”、“次要”等级别分类问题。
• wick-security-review：专注于安全层面的审查，结合OWASP Top 10和AI智能体特有的威胁模型（如提示词注入、间接提示词泄露）进行分析。
• wick-red-team：与/steelman相反，此技能要求Wick扮演“红队”，主动寻找你计划中的漏洞、假设缺陷和攻击路径。
• wick-base-rate：在你或Wick给出一个概率估计前，强制进行基本比率思考。“历史上类似的项目，成功率是多少？”这能有效对抗“忽略基本比率”的认知偏差。

创建自定义技能：这是Wick生态的扩展点。你可以在.claude/skills/目录下创建一个新的Markdown文件，例如my-refactor-skill.md。文件顶部用YAML frontmatter声明技能元数据，下面写清楚技能的触发词、目标、工作步骤和输出格式。Wick在启动时会索引这些文件，使其在会话中可用。

5. 记忆系统的维护、安全与高级集成

Wick的记忆系统是其灵魂，但如何安全、有效地维护这个不断增长的“第二大脑”，是需要策略的。

5.1 记忆文件的结构化与维护

记忆文件是纯Markdown，但建议保持一定的结构以利于检索和Wick解析。

memory/about-you.md示例结构：

# 关于我 ## 角色 - 高级后端工程师，专注于分布式系统。 ## 技术栈偏好 - 语言：首选Go，熟练Python，避免Java。 - 数据库：关系型用PostgreSQL，缓存用Redis。 - 云平台：AWS为主。 ## 沟通风格 - 偏好直接、简洁的答案，附带关键原理。 - 在给出方案时，请同时提供1-2个替代方案及其权衡。

memory/decisions.md的日志条目示例：

## 2024-05-20: 选择消息队列 **问题**：在新通知系统中，选择Kafka还是RabbitMQ？ **框架应用**：使用了“预期价值”和“长期维护成本”框架。 **选项分析**： - Kafka：高吞吐，持久性好，但运维复杂，团队学习曲线陡峭。 - RabbitMQ：协议丰富，易于管理，但峰值吞吐可能成为瓶颈。 **决策**：选择RabbitMQ。 **理由**：当前业务规模下，RabbitMQ的吞吐足够。更低的运维成本和团队熟悉度带来的开发效率提升，其预期价值高于为未来不确定的流量峰值提前支付Kafka的复杂度成本。 **结果跟踪**：（可后续补充）上线后3个月内，RabbitMQ处理峰值流量良好，运维投入符合预期。

维护心得：

1. 定期审计：每月运行一次/audit，让Wick帮你找出过时或矛盾的信息。
2. 手动精炼：不要完全依赖Wick的自动总结。偶尔打开记忆文件，手动合并重复条目，用更精炼的语言重写某些部分。这能极大提升记忆质量。
3. 版本控制：将memory/文件夹纳入Git管理（但切记做好保密，见下文）。你可以看到你的决策逻辑是如何随时间演进的，这是一个宝贵的个人知识库。

5.2 隐私、安全与.gitignore策略

最大的风险：误提交敏感信息到公开仓库。你的记忆文件可能包含项目细节、内部决策逻辑、甚至是对同事或竞争对手的分析。这些一旦公开，后果严重。

必须遵守的规则：

1. 绝对不要在memory/文件中存储：API密钥、密码、私钥、真实的个人身份信息（PII）、客户数据、受监管数据（如医疗、支付信息）。
2. 强烈建议：将memory/目录添加到项目的.gitignore文件中。

   # .gitignore memory/

3. 同步方案：如果你需要在多台机器间同步记忆，有两种安全方式：
   • 私有Git仓库：为memory/单独创建一个私有Git仓库。
   • 加密同步工具：使用像Cryptomator这样的工具，在同步前加密memory/文件夹，再将其放入Dropbox、iCloud等云盘。

安全工具：wick-scrub.mjsWick提供了一个实用的安全脚本。在打算分享或备份记忆文件前，运行：

node tools/wick-scrub.mjs memory/

它会扫描所有记忆文件，用正则表达式匹配常见的密钥、令牌、连接字符串等模式，并报告可能泄露的秘密及其行号。这是一个重要的预提交检查步骤。

5.3 与调度系统集成：实现定期复盘

Wick本身不主动运行，但可以与宿主环境的调度功能结合，实现“定期主动复盘”，这是将被动工具变为主动习惯的关键。

以Claude Code为例（假设其支持/schedule命令或MCP工具）：你可以设置一个每周一早上9点的定时任务，自动打开Claude Code并向Wick发送提示：

“请运行`/review`命令，检查`memory/predictions.md`中所有已过解决日期的预测，向我询问结果并更新Brier分数。然后，对过去一周的`memory/decisions.md`条目进行一次快速回顾，总结是否有任何决策需要根据新信息重新评估。”

实现模式：

1. 识别调度器：你的IDE或脚本环境有什么调度工具？Cron（Linux/macOS）、Task Scheduler（Windows）、IDE内置定时任务、或像Zapier/Make这样的自动化平台。
2. 构造触发命令：该命令应能启动你的AI工具（如claude命令行），并传入一个包含上述提示词的初始指令。
3. 配置定时任务：在调度器中设置频率（每日、每周、每月）。

通过这种方式，Wick成为了一个定期督促你进行回顾和校准的系统，帮助你建立持续改进的思维习惯。

6. 常见问题与深度排查

在实际使用Wick的数周里，我遇到并解决了一些典型问题，也总结出一些让体验更顺畅的技巧。

6.1 安装与基础使用问题

Q1: 在Cursor（或其他IDE）中，Wick的命令不生效？A: 这通常是因为该IDE对CLAUDE.md文件的解析方式与Claude Code不同。请尝试以下步骤：

1. 检查文件位置：确保CLAUDE.md或WICK.md位于项目的根目录。
2. 检查IDE配置：有些IDE可能需要手动启用项目级提示词功能。查阅该IDE关于“自定义指令”或“项目上下文”的文档。
3. 使用AGENTS.md桥接：对于明确支持AGENTS.md标准的工具（如Warp, Zed, JetBrains IDE），Wick提供的AGENTS.md文件兼容性更好。你可以尝试将AGENTS.md的内容复制到IDE指定的配置文件中。
4. 降级到模式C：如果上述都不行，模式C（子智能体）的兼容性通常最高，因为它是通过明确的Task调用来触发的，不依赖IDE的自动加载。

Q2: 记忆文件似乎没有被读取或更新？A: 首先，运行/status命令，检查Wick是否识别到了你的记忆文件。如果显示为空，请检查：

1. 文件路径：memory/文件夹是否在项目根目录下？Wick读取的是相对路径。
2. 文件权限：确保当前运行Claude Code的用户有读取和写入memory/目录的权限。
3. 会话隔离：某些IDE的“新窗口”或“新项目”可能会被视为一个完全隔离的环境。确保你是在包含memory/文件夹的那个项目目录下启动的会话。
4. 手动触发更新：记忆更新不会自动发生。只有在你使用/reflect、/learn、/calibrate等命令，并明确同意Wick的更新建议后，文件才会被修改。

6.2 性能与响应优化

Q3: 随着记忆文件变大，Wick的响应速度变慢或上下文窗口不够用了？A: 这是使用长上下文AI工具的通用挑战。Wick会在每次会话开始时，将memory/文件夹下的所有相关内容和KNOWLEDGE.md的一部分作为系统提示词加载，这确实会消耗大量令牌。

• 策略1：主动记忆管理：定期使用/audit和/forget。删除过时、琐碎或已不再相关的记忆。保持记忆文件的精炼。
• 策略2：分而治之：对于大型项目，可以考虑为不同的子模块或功能领域创建独立的“Wick实例”，即不同的项目文件夹，每个拥有自己更聚焦的memory/子集。
• 策略3：摘要化：对于memory/decisions.md这类不断增长的日志，可以定期（如每季度）手动创建一个摘要文件decisions-summary-Q2-2024.md，只保留最重要的决策逻辑和最终结果，然后将详细的旧日志移入archive/文件夹。在about-you.md中注明“详细决策历史见archive文件夹”。
• 策略4：利用向量数据库（高级）：理论上，你可以将记忆文件切片，存入本地的向量数据库（如Chroma、LanceDB），然后通过RAG（检索增强生成）的方式，在需要时只检索相关片段。但这需要额外的开发工作，超出了Wick开箱即用的范畴。

Q4:/calibrate预测的Brier分数总是很高，怎么办？A: Brier分数越高（最大为1），说明预测越不准确。如果长期居高不下：

1. 检查预测粒度：你预测的事情是否定义得足够清晰、可验证？模糊的预测（如“项目会成功”）很难准确评估。改为预测具体、可衡量的事件（如“在6月30日前，DAU将达到10万”）。
2. 审视概率估计习惯：你是否经常使用“可能”、“也许”这类词，然后随意赋予一个概率？尝试在给出概率前，强制使用/frame base-rate命令，先看看历史基本比率。
3. 接受不确定性：对于高度不确定的领域，预测本身就会不准。Brier分数的价值不在于追求0分，而在于揭示你的校准度。如果你的预测概率是70%的事件，实际发生了65%，那你的校准是相当好的。关注校准曲线（在memory/calibration.md中），看你的预测概率是否与实际发生频率相匹配。

6.3 高级定制与故障排除

Q5: 如何深度定制Wick的人格或知识框架？A: Wick的所有核心文件都是可编辑的Markdown。

• 修改人格：直接编辑CLAUDE.md（或WICK.md）。你可以调整它的语气（让它更幽默或更严肃），增加它需要特别关注的领域，或者修改“五道门”的具体问题。注意：修改后需要重启AI会话才能生效。
• 扩充知识库：这是威力巨大的定制点。打开KNOWLEDGE.md，你可以：
  • 添加新框架：研究一个对你有用的思维模型（如“汉隆剃刀”、“机会成本”），用清晰的标题、定义、使用场景和例子，把它写成一个小节。
  • 深化现有框架：如果你觉得某个框架的解释不够，可以补充更多案例，特别是来自你所在行业的案例。
  • 创建领域专属章节：如果你是金融从业者，可以添加“金融风险评估框架”；如果是医生，可以添加“鉴别诊断流程”。这能让Wick在你的专业领域内变得更加强大。

Q6: 在使用/learn命令时，Wick问的问题太浅或太深，不适合我？A:/learn命令的提问逻辑内置在CLAUDE.md中。你可以通过两种方式引导：

1. 在命令中指定深度：尝试/learn [topic]: beginner或/learn [topic]: advanced。虽然Wick可能不直接解析这个后缀，但你可以在它提出第一个问题后，直接告诉它：“请从高级概念开始问，跳过基础定义。”
2. 直接编辑记忆文件：/learn本质上是一个结构化的访谈，其输出是memory/domain-knowledge.md。你可以完全跳过这个命令，直接打开该文件，按照已有的格式手动添加知识。这种方式效率更高，尤其当你已经对自己的领域有清晰结构时。

Q7: 记忆文件出现冲突或错误信息怎么办？A: 这是人机协作系统中必然会出现的问题。

1. 立即纠正：当Wick基于错误记忆做出推论时，立刻打断它，明确指出：“你关于X的记忆是错误的，实际情况是Y。” Wick会道歉，并在本次对话中纠正。更重要的是，它会询问你是否要将此纠正记录到memory/learning-journal.md中。一定要同意。这个“纠正日志”是Wick学习的最重要来源之一。
2. 定期运行/audit：这个命令会让Wick检查记忆文件内部的矛盾之处（比如about-you.md说你用Go，但某条decisions.md里又引用了Python的特定库）。
3. 手动清理：作为记忆的最终主人，定期打开记忆文件浏览和修正，是最有效的维护方式。把Wick看作一个有时会记错事的助手，而你是负责最终审核的经理。

Wick不是一个完美的、自动化的解决方案。它更像是一套需要你主动驾驭的思维增强系统。你投入的精力——纠正它、教导它、维护记忆——最终都会转化为它对你更深入的理解和更有效的协助。这种共同成长的过程，正是它作为“思考伙伴”而非“工具”的真正含义。