用途
Forge 是一个知识提取技能，用于从会话记录（transcripts）中挖掘学习内容。它对应 Anthropic Managed Agents 记忆 + 做梦配对中的"捕获"部分。Forge 负责挖掘记录，而 $curate --mode=dream 负责在会话之间进行整理。该工具在 API 之外本地运行，支持跨供应商使用。
主要能力
Forge 从会话记录中提取以下四种知识类型：
- 决策（Decision）：信号词包括 "decided to"、"chose"、"went with"，权重 0.8
- 学习（Learning）：信号词包括 "learned that"、"discovered"、"realized"，权重 0.9
- 失败（Failure）：信号词包括 "failed because"、"broke when"、"didn't work"，权重 1.0
- 模式（Pattern）：信号词包括 "always do X"、"the trick is"、"pattern:"，权重 0.7
在扫描记录过程中，Forge 会匹配 26 种已知未捕获经验模式，并用匹配到的模式元数据（类别、基础置信度、模式编号标签）预填充学习模板。
使用方式
Forge 通常通过 SessionEnd 钩子自动运行：
ao forge transcript --last-session --queue --quiet
该命令将会话排入队列以进行知识提取。
手动执行方式（/forge [path]）：
- 步骤 1：识别记录。使用 ao CLI 挖掘最近会话
ao forge transcript --last-session或特定记录ao forge transcript <path>。若没有 ao CLI，则查看最近的对话历史手动提取学习内容。 - 步骤 2：提取知识类型。阅读
skills/forge/references/uncaptured-lesson-patterns.md获取信号模式和 26 种已知未捕获经验类别。 - 步骤 3：写入候选。写入
.agents/forge/YYYY-MM-DD-forge.md，包含 Decisions、Learnings、Failures、Patterns 四个部分，每条带来源和置信度。 - 步骤 4：为搜索建立索引。若有 ao CLI 则运行
ao forge markdown，否则自动将高置信度候选（>= 0.7）提升到 learnings 并写入搜索索引。 - 步骤 5：更新捕获跟踪。将匹配模式的捕获状态记录到
.agents/forge/capture-tracking.json。 - 步骤 6：报告结果。告知用户按类型提取的数量、forge 输出位置、可提升候选以及捕获进度（如 "X/26 uncaptured lesson patterns captured"）。
提升模式（/forge --promote）：
查找 .agents/knowledge/pending/ 和 .agents/ao/pending.jsonl 中的待处理文件，验证必需字段（# Learning:、**Category**:、**Confidence**:），复制到 .agents/learnings/，从 pending 中移除源文件，处理后清空队列，最后报告 "Promoted N learnings from pending → .agents/learnings/"。
适用场景
Forge 是操作循环中第 7 步的捕获子步骤，作为一个漏斗从记录中提取候选学习。它通常在会话结束时自动触发，适合需要从长时间会话中沉淀可复用知识的场景。Forged 候选进入 Tier 0（.agents/forge/），然后通过人工审查、2 次以上引用或置信度 >= 0.7 的自动提升进入 Tier 1（.agents/learnings/）。
限制
- Forge 是漏斗而非过滤器，只提取候选，由提升棘轮机制决定哪些内容存活
- 一次性内容在交接时消亡，重复内容才提升到
.agents/learnings/ - 若记录缺少知识信号或 ao CLI 不可用，可能找不到提取内容
- 弱信号或模糊对话会导致低置信度评分
- 当
forge --queue失败时（CLI 不可用或权限错误），需手动向.agents/ao/pending.jsonl追加会话元数据 - 同一会话多次 forge 可能产生重复输出，写入前需检查 forge 文件名
暂未提供关于收费、价格或平台方面的信息。