用途：面向首次使用 Dosu 的用户，从本机编码智能体（Cursor / Claude Code / Codex）日志中挖掘有价值的结论与“坑”，回填为 Dosu 知识条目，供后续智能体复用。
主要能力：解析本地日志并生成清单与摘要；从每个用户轮次对应的助手结论中提炼一条独立事实；调用 MCP 工具 write_knowledge 写入；统计预计节省的 token；生成并打开 HTML 报告（含 Estimated context savings）；支持 dry-run 只列出拟写入内容。
必要用法：环境需具备 Dosu MCP 连接与 write_knowledge。确定 SKILL_DIR、REPO（git remote get-url origin），并设置 BACKFILL_BRANCH="dosu/log-backfill/$(date -u +%Y%m%d-%H%M%S)"；所有写入统一使用该合成分支，服务端会自动入队 notes-upflow，不要写当前检出分支。清单与摘要命令：
python3 "$SKILL_DIR/scripts/parse_agent_logs.py" --out /tmp/dosu-log-inventory.json python3 "$SKILL_DIR/scripts/parse_agent_logs.py" --digest <id> --json > /tmp/digest-<id>.json
每条候选以 title / content / repo / branch / tags 调用一次 write_knowledge。默认范围是最近 50 个父会话；用户可要求 --days 30、--full、--limit N。写入后运行 summarize_savings.py，再以 generate_report.py --open 生成报告（dry-run 时加 --dry-run）。
适用场景：把历史调试经验、排障结论沉淀进 Dosu 知识库，减少未来重复探索成本。
限制：不要询问分支归属、粒度或回溯范围，直接使用默认值；dry-run 仅在用户要求时执行；跳过机密与个人隐私数据、任务摘要、推测与显而易见的一文件事实；写入失败时可先 append 到 pending_knowledge.py 再合并。资料未提供的收费、价格与平台细节暂未提供。