相关实践
用 deja-vu 把 Codex、Claude Code、OpenCode 历史会话变成 MCP 记忆层
7 月 14 日创建的 `deja-vu` 解决 coding agent 反复重做旧问题的问题：它不从空白记忆开始，而是索引 Claude Code、Codex、OpenCode、aider、Gemini CLI、Cursor、Qwen Code 等本地历史会话。实践流程是 `curl .../install.sh | sh` 或 `npx @vshulcz/deja-vu` 安装，运行 `deja install --all` 给各 agent 写入 MCP recall，`deja install --auto` 额外注入 session-start auto-recall；调试前可用 `deja "jwt refresh token"`、`deja ctx`、`deja blame <path>` 查找过去修复、决策和涉及文件。README 给出 3.3GB 历史约 12ms 搜索、SSH 同步、redaction、share 和 remember 工具，适合给多 agent 团队建立本地、可迁移、可引用的经验复用层。
用 GitHub Scout Agent 分析 AI 工作流 token 成本增长
GitHub Agentic Workflows 的 Scout 案例把 AI workflow 成本分析做成了可复盘的 Agent 任务。输入是 GitHub issue #36100：分析 `agentic-token-audit` 和 `agentic-token-optimizer` 在 2026 年 4-5 月的 token 使用趋势，并用 `/scout history=full` 触发。执行过程由 GitHub Actions run #26709587451 承载，状态为 Success，保留 activation、agent、cache-memory、detection、safe-outputs-items 等 artifacts 线索；Scout 读取历史 token snapshot、workflow catalog 和 commit 变化做归因。产物是 issue comment 中的 `Scout Research Report`：April 平均约 80.1M tokens/day，May 平均约 88.6M，late May 约 101.8M，5 月 29 日峰值 138M，并归因到 heavy workflows、约 111 个新增 agentic workflow 文件和 optimizer 滞后。验证方式是交叉核验 issue 输入、Actions run、bot 报告和数据 caveat。适合参考如何给 Agent infra 成本治理留下 input/process/output/verification 证据链。
用 Agent Skills + OpenClaw + Waza 验证医疗 PDF 工作流
Paul J. Swider 为个人医疗 AI Tula 构建了 `med-pdf` 和 `epic-note` 两个 Agent Skills：在 source-of-truth repo 中维护 `skills/AGENTS.md`、两个 Skill 目录和 `evals/<skill>/tasks/`，再将技能同步到 OpenClaw 运行时 `~/.openclaw/workspace/skills/`。他用明确优先级规则处理 Anthropic Agent Skills 规范与 Microsoft Waza 检查的冲突，并按 progressive disclosure 把 `SKILL.md`、`scripts/`、`references/` 拆层。最终 `med-pdf` 通过 Waza 5/5 eval，success rate 100.0%，aggregate score 1.00，duration 29.369s；`epic-note` 的 4-task suite 也 clean，覆盖 PHI 边界、非医疗 PDF 拒绝、LabCorp/MyChart 解析和跨 Skill portal message 路由。
一个最简单的 skill，把 Claude Code打造成数字分身
Claude Code 为什么总“失忆”？ 这篇文章用一个最简单的 Skill，给它装上真正的「记忆系统」，让 AI 记住你们的共同经历。 从商会秘书实战到行业趋势，一次讲清如何把 Claude 打造成会成长的数字分身。