mulch
为AI智能体提供跨会话的结构化经验管理工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：mulch。 它的用途是：为AI智能体提供跨会话的结构化经验管理工具。 完整的 Skill 内容见：https://321skill.com/skills/mulch/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我在优化数据库查询时遇到了死锁问题，请帮我看看团队之前有没有相关记录。”，AI会调用 `ml query database` 来检索之前记录的关于数据库死锁的经验和解决方案。或者，在开始一个新的代码重构任务前，
对AI说：“请为当前这个前端组件任务加载所有相关的历史经验和规范。”，AI会执行 `ml prime --files src/components/Button.tsx`，将与该文件相关的设计模式、常见错误等上下文注入会话。
介绍
Mulch 解决了AI智能体在每次会话中“从零开始”、无法积累和复用历史经验的痛点。它是一个被动的知识管理层，允许智能体通过简单的命令（如 ml record 和 ml query）记录和查询在不同领域（如数据库、前端）学到的经验、最佳实践和失败教训，使专业知识能够在会话、领域和团队成员之间实现复利式增长。
使用上，开发者只需在项目中初始化Mulch，添加相关领域（如“database”），即可让智能体在运行过程中随时记录发现（如SQLite的WAL模式），并在后续任务中查询或“注入”这些上下文。核心命令 ml prime 能根据当前工作环境（如git状态、分支）智能筛选并输出最相关的经验记录，供智能体作为上下文使用，从而避免每次都将所有知识全量载入，优化了Token消耗。
它非常适合需要长期、复杂项目协作的智能体开发团队，尤其是那些希望智能体在代码审查、故障排查、架构决策等任务中能记住并应用历史教训的开发者、运维工程师和全栈工程师。
建议在大型单体项目中，将 prime.default_mode 设置为 manifest，这样 ml prime 会先输出一个轻量的领域索引，智能体再按需加载具体领域的详细记录，能更高效地管理上下文窗口。注意，Mulch本身不包含LLM，它只是一个被智能体调用的工具层。
核心特点
与单纯的知识库或笔记工具不同，Mulch深度集成到开发工作流中，能根据git状态、当前分支等开发上下文自动筛选和注入相关经验记录，实现了经验与代码环境的智能关联和按需加载，而非简单的全文检索或静态知识库。
注意事项
不适合需要实时、动态推理或主动决策的场景，因为它是一个被动的记录和查询系统，不包含LLM推理能力。
常见问题
Mulch和普通的笔记软件有什么区别？
Mulch专为AI智能体工作流设计，能根据代码变更、分支等开发上下文自动关联和注入经验，实现经验与任务的智能匹配，而笔记软件是面向人的通用记录。
Mulch需要联网或调用API吗？
不需要，它是一个本地CLI工具，所有数据存储在项目内的 `.mulch/` 目录中，保障隐私和离线可用性。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/mulch/raw/index.md 读取 mulch 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/mulch/raw/index.md（查看排版版本）