用途：Athena 是 agentops 提供的主动知识智能技能，用 Mine → Grow → Defrag 循环维护知识飞轮。飞轮通常通过 /retro、/post-mortem 被动捕获学习，Athena 主动挖掘未被提取的信号、用当前代码验证已有学习、综合跨领域洞察并清理陈旧或重复产物。适合在演进周期前、开发高峰后或每周运行。Athena 非破坏性，只提出变更，不修改已有学习。输出文件为 .agents/athena/YYYY-MM-DD-report.md。
主要能力与流程： 1）Mine 机械提取：扫描 git 历史、.agents/research/ 与代码复杂度热点，找出共同变更聚类、孤立研究与复杂度热点。命令：ao mine --since 26h；ao mine --since 7d --sources git,agents。无 ao CLI 时用 git log --since="7 days ago" --name-only 等回退。每个新学习候选按证据强度赋置信度（单次观察 0.3、用户纠正 0.5、2 次以上 0.6、多会话验证 0.7、久经考验 0.9），并打 scope 标签（project、language 或 global），写入 frontmatter。 2）Grow LLM 综合：计算飞轮健康指标，验证最近 5 个学习文件并按结果调整置信度（验证 +0.1、矛盾 -0.2、新项目验证 +0.15、30/90 天未引用衰减），置信度大于 0.7 且未在 MEMORY.md 中则晋升。还包括救援孤立研究、跨领域综合、识别知识缺口。 3）Defrag 机械清理：ao defrag --prune --dedup --oscillation-sweep，找出孤立学习、近似重复与振荡目标，并扫描占位、堆叠 frontmatter、打包多学习、重复标题等缺陷。 4）报告：写入 .agents/athena/YYYY-MM-DD-report.md；若可用 bd，可为知识缺口创建 issue。
自动触发：会话结束时通过 athena-session-defrag.sh 钩子运行轻量 defrag（仅 prune + dedup，20 秒超时，无 ao CLI 时跳过）；完整循环需手动 /athena。
限制：资料未提供具体版本、价格、平台与效果数据；部分命令与路径依赖 ao CLI。