What、Why、How 不是三个并列问题，是三个递进的层次。

• 不是表达技巧：这是一个观察框架，看人说话落在哪一层。
• 三层定义：What 讲事实，Why 讲动机，How 讲方法。
• 沟通错位的根源：人和人聊不到一起，多半是因为各自停在不同的层。
• 关键动作：先识别对方在哪层，再决定怎么回应。
• 不只工作场景：亲子、朋友、销售、客户全都用得上。

codebase-memory-mcp 是一款纯 C 编写的代码知识图谱 MCP 服务器，给 Claude Code / Codex / Open Code 装上"项目结构感知"能力。

1. 核心定位：用 MCP 把代码库索引成可交互的知识图谱，AI 改代码前能感知调用链、依赖与爆炸半径。
2. 架构特点：零依赖单文件二进制，不依赖 Node / Python 环境，下载即可跑。
3. 能力边界：支持 158 种语言、内置 20+ 语义关系、支持 OpenCypher 图查询。
4. 对比 CodeGraph：提取精度 / 调用图完整性 / 查询能力 三项领先，索引速度落后，平均分几乎持平。
5. 典型场景：快速上手陌生项目、PR 影响半径分析、死函数检测、跨语言特性迁移。
6. 代价：单次索引 20+ 分钟，MCP 集成会占用系统资源，且与 GitNexus 跨仓能力有差距。

刻意练习的本质是高效而可怕的勤奋，核心是反馈，不是努力。

• Ericsson 的定义：通过不断重复训练稍微困难的任务，获得最高效的进步。
• 关键案例：AlphaGo Zero 不学任何棋谱，仅靠"输还是赢"的反馈就以 89:11 碾压 AlphaGo Master。
• 两大要素：稍微困难的任务 + 即时反馈机制，缺一不可。
• 致命误区：重复≠刻意练习，没有反馈的重复只是在强化错误。
• 勤奋的反义：不是"懒"，是"低效"——无反馈的勤奋比躺平更危险，因为它制造进步的错觉。
• 本质动作：找到任务中的"输还是赢"反馈机制，否则练习就是黑盒。
• 一句话：刻意练习不是学会什么，是在能力边缘持续犯错并修正。

Tailwind 是构建时按需生成 CSS 的工具，不是预制类库。 这是它和 Bootstrap、iconfont 这类传统 class 库最本质的区别。

• 本质区别：Bootstrap 是运行时可用的预制 CSS，Tailwind 是构建时扫源码生成
• 类何时存在：Bootstrap 加载即用，Tailwind 必须被构建器扫到源码才生成
• 体积策略：Bootstrap 固定（库大小决定），Tailwind 动态（你用多少决定）
• 跨包坑点：monorepo 子包构建器只扫自己源码，看不到别的包用到的 class
• 配置关键：tailwind.config.js 的 content 必须覆盖到所有源码路径

git worktree 让多分支并行工作，一个目录 = 一个分支。

• 核心机制：所有 worktree 共享一个 .git 数据库
• 典型场景：边修 bug 边开发 feature，不切分支
• code review：独立目录看 PR，不打断当前工作
• 跑长任务：CI、build 不阻塞主工作区
• superpowers 模式：一个 worktree 一个 agent，并行的关键
• 使用注意：同一分支只能被一个 worktree checkout
• 清理规则：删目录不够，必须 git worktree remove

Claude Code 的代码检索不靠 RAG，靠 grep。这是 Anthropic 工程师 Boris 在 2025 年 5 月 Latent Space 博客里公开承认的工程决策。

1. 事实层：Boris 公开承认过，Claude Code 早期试过 RAG，发现效果不行就切到了 grep
2. 技术层：三个根本原因——embedding 对代码失效、管线准确率乘性效应、索引时效性漂移
3. 哲学层：无状态设计 + Everything is the model，对应 Bitter Lesson
4. 辩证层：承认 token 成本和概念搜索的局限，业界正走向混合方案

核心结论：代码场景下 RAG 的三个根本缺陷——embedding 对标识符失效、管线乘性准确率、索引时效性漂移——叠加架构哲学上的无状态原则，共同把 Claude Code 推向了 grep。

Chrome DevTools MCP 特点是让 AI 编码助手直接接管 Chrome，复用登录态 + 拿到原生 DevTools 数据。

1. 定位：基于 Puppeteer 的 MCP 服务器，暴露 26+ 工具给 AI（点击、填表、截图、性能 trace、网络请求）。
2. 核心优势：无需重新登录，可直连你当前 Chrome 会话；AI 能调起完整 DevTools 面板。
3. 三种连接模式：默认独立实例 / --autoConnect 复用会话 / --browser-url 远程调试端口。
4. 关键陷阱：远程调试端口无鉴权，同机任何应用都能连；MCP 客户端可读浏览器全部数据。

Claude Code 的所有配置都遵循同一套三层作用域规则。

1. User：存在 ~/.claude/，仅本机生效但跨项目共享
2. Project：存在 .claude/，通过 git 同步给所有团队成员
3. Local：存在 .claude/settings.local.json，git 忽略，仅本机生效

优先级：Local > Project > User。所有层级的配置都会加载，相同 key 时高优先级覆盖。

核心原则：越私有、越具体的配置，优先级越高。

实操：团队规范走 Project，个人偏好走 User，本机调试/密钥走 Local。

多个维度（Instructions / Skills / Commands / Agents / Hooks / Rules / MCP / 配置文件）逐项拆解

• 直接读：skills 文件内容基本上能得到三家互认。
• 搬目录：commands / agents 从 .claude/ 复制到 .opencode/，内容通常能复用。
• 要重写：hooks（配置 vs JS/TS 模块）/ config（JSON vs TOML）范式不同。
• 软链共享：用 .shared/ + 软链把 skills / AGENTS.md 做成单一源；其他目录格式 / 范式不同，必须独立维护。
• Skills 互认：遵循 Agent Skills 开放标准，最低 SKILL.md 可直接迁移。

omo 是 OpenCode 最值得装的增强套件，专为复杂代码库设计。把单代理的原生 OpenCode 升级为多代理、多 MCP 的 AI 编程团队。

1. 定位：插件层，不改 OpenCode 命令体系
2. 规模：11 个 agents + 54+ hooks + 5 MCPs
3. 王牌命令：ultrawork，一个词启动全部代理
4. Team Mode（v4.0）：主代理 + 8 个并行成员，tmux 可视化
5. 热度：62k+ stars，Anthropic 曾因此封禁 OpenCode