用途：learning-capture 是来自 svenja-dev/claude-code-skills 的技能，目的是让 AI 在工作中持续学习，识别有价值的模式并保存为新技能，重点捕获高回报（ROI）内容，即因频繁复用而能显著节省上下文窗口 token 的模式。
主要能力：提供识别框架，监控五类学习时刻——新颖的问题解决方法、重复出现的模式、跨会话的领域知识、有效的推理模式、工作流优化。另含决策框架，判断是否值得捕获：要求复用 10 次以上、每次节省 500+ token、技能自身加载成本低于 5000 token，且与现有能力不重复。
使用方式：工作过程中监控识别触发条件；依据决策框架评估 ROI 与复用信号；在完成任务后（而非任务中途）简洁地询问用户是否捕获；用户同意后，参照 references/skill-templates.md 选择合适模板起草技能，保存到 /mnt/user-data/outputs/[skill-name].skill/；最后向用户说明技能内容、重点部分、可改进处及后续上传步骤。用户需手动审核并上传，以保留质量控制权。
适用场景：反复出现的任务（如周报、月度沟通）、跨多次会话累积的稳定领域知识、可推广的多步骤工具链工作流、可教授的推理结构。
限制：默认保守，仅在置信度超过 95% 时才提议；首次出现的模式、高度依赖具体上下文的方案、可用现有能力完成的简单任务、一次性创意工作、复用性不明确的情况均不建议捕获。其效果依赖用户确认与手动上传，资料未提供具体的自动化安装命令或价格信息。