1. Claude Code 自学习系统搭建#

花了大半天时间，给 Claude Code 设计并实现了一套偏好自学习系统。核心思路很简单——AI 应该越用越懂你，而不是每次从零开始。

架构设计：

• 分层存储：按「商业 / 模型建构 / 项目开发 / 通用」四个分类存储偏好
• 触发词机制：说”记录”就自动扫描全部上下文（包括被 compact 压缩的历史 session 日志），提取思维模式和工作习惯
• 自动纠正检测：当用户纠正 AI 时，自动记录到 corrections.md，同一错误出现 3 次以上才升级为永久规则
• 按需加载：每次会话只加载 rules.md（永久规则），对话过程中根据话题动态加载对应分类的偏好文件

解决了什么问题：

之前每次开新会话，AI 都不记得我的习惯。现在通过读取 JSONL session 日志，即使上下文被压缩过，也能恢复完整历史。这个方案不需要改 Claude Code 本身，纯靠 SKILL.md + 偏好文件实现。

2. 视频后期工具迭代#

对视频剪辑工作流进行了持续优化，经过多轮迭代，最终完成了自动化裁剪工具的定型版本。主要解决了检测精度和裁剪边界的问题，现在可以更准确地识别需要处理的片段。

3. X/Twitter 信息监控工具#

搭了一个 X/Twitter 监控工具，实时追踪 Elon Musk、Sam Altman、Karpathy 的推文动态，通过 Bark 推送到手机。方便第一时间获取 AI 圈的重要动态。

4. Context7 vs GitHub MCP 工具调研#

确认了 Context7 和 GitHub MCP 的能力边界：

结论：要搜 GitHub 仓库找现成方案，得装 GitHub MCP，Context7 帮不了这个。