经验管理的老大难：踩坑的人没空写，有空写的人没踩坑
每个团队都明白「复盘很重要」，但经验沉淀的实际执行率惨不忍睹。根本矛盾在于：踩坑的当下你最清楚细节，但你正忙着干活，没空写文档；等有空写文档时，细节已经忘了。
于是团队知识库的现实是：要么空空如也，要么只有几篇「领导要求的总结」，时效性和颗粒度都堪忧。三个月后同一个坑换个新人再踩一遍，循环往复。
teamai-cli 的摩擦信号机制，就是冲着这个矛盾设计的：在你踩坑的当下，系统主动提醒你沉淀——因为系统看得见你正在踩坑。
什么是摩擦信号
teamai-cli 通过 Stop Hook（AI 工具会话结束/停止时的钩子）监测三类「摩擦行为」：
| 摩擦类型 | 现场表现 | 背后通常意味着 |
|---|---|---|
| 打断 AI | 你中途按停止、改输入 | AI 的方向不对，你心里有更好的路径 |
| 拒绝工具调用 | AI 要执行某操作，你点了拒绝 | AI 的方案有安全性或正确性疑虑 |
| AI 重试失败 | 同一工具调用反复失败重试 | 环境有坑，或 AI 对现状理解有误 |
这三类行为的共同点：都意味着「你的判断和 AI 的行为出现了分歧」。而分歧点就是知识盲区——要么 AI 缺少某个背景知识，要么团队缺少某个规范约束，要么工具链有隐藏的坑。每一处摩擦，都是一条值得沉淀的经验的线索。
从信号到沉淀的完整流程
第一步：信号触发提醒
摩擦行为发生时，teamai-cli 会弹出一个轻量提醒——类似「刚才这次交互似乎有些不顺畅，要不要总结一下？」。注意这个时机的价值：此刻你脑子里的现场细节是满的（刚才 AI 哪里错了、正确的做法是什么、为什么），写出来的经验自带完整上下文。
第二步：一句话总结
确认沉淀后，用 /teamai-share-learnings 命令把这次摩擦总结成经验。关键设计：总结是你说的话，不是 AI 编的——你用一两句人话描述「什么情况下、AI 会怎么错、应该怎么做」，这是全流程里唯一需要你投入的环节，成本大约三十秒。
第三步：进入团队知识库
总结的内容经 Git 流程（push → 审核 → 合并，见日常使用篇）进入团队知识库。从这里开始，它就不再是一条聊天记录，而是带版本、可检索的团队资产。
第四步：被召回（下一环节）
沉淀的终点不是「存起来」，是「被用起来」——知识召回机制会在其他成员遇到相关问题时，把这条经验主动注入他们的 AI 上下文。这是下一篇的主题。
和传统知识库建设的对比
| 维度 | 传统方式（写文档/周报） | 摩擦信号机制 |
|---|---|---|
| 触发时机 | 事后回忆 | 踩坑当下 |
| 采集成本 | 一篇文档 30 分钟 | 一句话总结 30 秒 |
| 颗粒度 | 大而全（容易空泛） | 单个摩擦点（极具体） |
| 时效性 | 滞后数天到数周 | 实时 |
| 覆盖率 | 依赖个人自觉 | 系统提示，接近全量 |
核心差异一句话：传统方式靠人记得写，摩擦机制靠系统记得问。 两者不冲突——深度技术分享仍然值得写长文，摩擦信号负责把那些「小到不值得写文档、但不沉淀就会重复踩」的经验接住。
团队落地建议
第一个月：只攒不治理。 机制上线初期鼓励大家随手沉淀，不要审查质量——先把「沉淀习惯」养起来，质量优化是之后的事。
每月一次：知识库巡检。 把当月沉淀的摩擦经验过一遍，合并重复的、把高频问题升级成正式的 Skills 或 Rules——比如某个坑被三个人踩过，说明该写一条 Rule 从源头约束，而不是继续靠经验提醒。
关注摩擦热点。 如果某类摩擦反复出现（比如 AI 总是错误地使用某个内部工具），这不是知识问题，是配置问题——该补 Skill 补 Skill，该改 Rule 改 Rule。摩擦信号同时也是团队 AI 配置质量的温度计。
摩擦信号 FAQ
Q：会不会频繁弹提醒，打扰正常工作？ 提醒只在三类摩擦行为发生时触发，且是轻量提示，可以选择忽略。真正的摩擦也没有想象中频繁——一次会话里被用户打断、拒绝调用多次，本身就是值得停下来看一眼的异常信号。
Q：三十秒的总结到底写什么？ 三个要素：什么场景、AI 错在哪、应该怎么做。写到「同事看完知道怎么防」的程度即可，不求成文。对比传统复盘里那些「加强沟通」「提升意识」式的空话，摩擦经验的价值恰恰在具体到一次工具调用。
Q：我总结的经验会以什么形式存在？ 走标准 Git 流程（push → MR/PR 审核 → 合并）进入团队知识库——带版本、可检索、能回溯。它和 Skills、Rules 享受同等的治理待遇，不会变成没人管的聊天记录。
Q：摩擦信号特别多，是好事还是坏事？ 分两种看：机制刚上线时信号多，说明以前被吞掉的坑现在被看见了；某类摩擦长期反复出现，则说明配置有缺口——该补 Skill 补 Skill、该立 Rule 立 Rule。信号是温度计，不是 KPI，不要拿它考核人。
Q：被提醒了但当下没空总结，怎么办？
经验不会丢——沉淀走的是 Git 流程，晚些时候补 /teamai-share-learnings 即可。只是提醒：拖过当晚，现场细节的还原度就会明显下降，三十秒的活会变成三十分钟的考古。
Q：沉淀下去的知识，怎么保证以后被用上？ 沉淀只是前半程，后半程由知识召回机制接手：其他成员遇到相关问题时，相关知识自动注入他们的 AI 上下文——这是下一篇的主题。
更大的图景
摩擦信号 + 知识召回 + Git 版本化，三者合起来构成一条完整的组织学习闭环：行为数据自动采集 → 当事人低成本结构化 → 版本化沉淀 → 按需自动召回。这条链路里每个环节都是已有的成熟技术，teamai-cli 的贡献是把它们第一次完整地装进了「AI 编程协作」这个场景。
本站在 Grok Bot Routine 里写过「示范一遍它学一辈子」的个体学习机制；摩擦信号是它的组织版——一个人踩坑，全队的 AI 从此绕开这个坑。