用途：teach 用于从示例文件中学习可复用的模式。用户向 AI 展示一个写得好的产物（模型、查询、配置），由 AI 提取值得遵循的模式。
主要能力：识别用户提供的文件引用（如 @models/staging/stg_orders.sql）并读取文件；分析并提取结构性模式而非具体内容，关注文件结构与组织（分节、排序）、命名约定（前缀、后缀、大小写）、SQL 模式（CTE 与子查询、连接风格、列顺序）、dbt 约定（物化、测试、配置块）、常见样板（头部、注释、导入）、数据类型选择、错误处理模式；以结构化列表呈现发现，要求具体（如“列顺序：键、维度、度量、时间戳”）；在保存前让用户确认、修改或拒绝。
使用方式：通过 /teach 命令调用，例如 /teach @models/staging/stg_orders.sql、/teach staging-model @models/staging/stg_customers.sql、/teach @dbt_project.yml。若用户在 @文件 前提供名称（第一个参数），则用作模式名；否则根据文件类型和用途推断名称。确认后使用 training_save 工具保存，参数包括 kind: "pattern"、name（描述性 slug，如 staging-model、incremental-config）、content（提取的模式，简洁可执行的清单）、scope: "project"（默认，通过 git 与团队共享）、source（学习来源的文件路径）、citations（引用源文件）。
适用场景：为团队沉淀代码规范与约定，让 AI 队友学习项目中的 staging 模型、增量配置、dbt 项目配置等模式。
限制与准则：提取模式而非内容（“使用 {{ source() }} 宏”是模式，“查询 orders 表”是内容）；每个模式最多 10 个要点，超出则拆分为多个模式；使用文件实际约定，不强加个人偏好；若文件没有值得学习的清晰模式，应如实说明；除正常对话流程外不进行额外 LLM 调用，模式提取在分析中完成，而非通过单独 API 调用。其他细节暂未提供。