用途：learning-capture 用于在工作会话中识别值得沉淀的可复用模式，并将其捕获为新技能，以减少未来重复解释所消耗的上下文窗口 token。
主要能力：它提供一套识别框架，监控五类学习时刻：新颖的问题解决方式、重复出现的模式、跨会话的领域知识、有效的推理模式，以及工作流优化。同时给出决策框架，仅在复用价值高、可复用信号强且不与现有能力重复时才建议捕获。
使用方式：先识别学习时刻，再按决策框架评估投入产出比，确认后保守地向用户提出捕获建议（应在完成当前任务后提出，而非中途打断）。用户同意后，从 references/skill-templates.md 选择合适模板，起草技能文件并保存到 /mnt/user-data/outputs/[skill-name].skill/，随后向用户说明内容、重点与可改进处，由用户审核并手动上传。
适用场景：重复 2 次以上且结构一致的任务、跨多次对话积累的稳定领域知识、可推广的新颖工作流、可复用的推理结构等。
限制：默认保守，仅在置信度很高时建议捕获；首次出现的模式、高度依赖具体上下文的方案、现有能力已覆盖的简单任务、一次性创作等不建议捕获。技能本身加载也消耗 token，应能在约 10 次使用内回本。具体模板与决策示例见 references/skill-templates.md 和 references/decision-examples.md。