learn

一个通用的自我改进智能体，能从所有技能经验中学习。采用多记忆架构（语义 + 情景 + 工作）以持续进化…

训练一个 Soul Character —— 基于人脸的个性化模型，Higgsfield 使用该模型进行身份保真的图像和视频生成。适用场景：“create my Soul”、“train my face”、“make my digital twin”、“build me an avatar”、“learn my appearance”、“create a character of me”、“set up identity for video”、“I want my face in generated images”。调用链：训练 Soul（一次性操作，返回 reference_id） → 在 higgsfield-generate 中通过 `--soul-id <id>` 配合 `text2image_soul_v2` 或 `soul_cinema_studio` 等模型使用。不适用于：单次人脸替换（请使用带 --image 参数的 higgsfield-generate）、具名角色/非写实头像（请使用带 prompt 参数的 higgsfield-generate）。

基于本能的学习系统，通过钩子观察会话，创建带有置信度评分的原子本能，并将其演化为…

自动从 Claude Code 会话中提取可复用模式，并将其保存为已掌握的技能，以便日后使用。

运行六阶段研究工作流，将陌生领域或收集的资料转化为可发布的输出。不适用于快速查询或单文件读取。

用于构建稳健、高效且可复现的训练流水线、模型架构和数据加载的 PyTorch 深度学习模式与最佳实践。

在生成 CLI 后运行回顾。识别 Printing Press 的系统性改进点——模板、Go 二进制文件、技能指令、目录——以便下一次生成更好的 CLI。当有 Printing Press 需要修复的问题时，创建包含可执行建议的 GitHub issue。在任何 /printing-press 运行后使用。触发短语："retro"、"retrospective"、"what went wrong"、"improve the press"、"post-mortem"、"lessons learned"、"what can we improve"、"file a retro"、"submit findings"。

生成周期性知识摘要——以人类可读的通讯简报风格，总结在指定时间段（日/周/月）内你的 wiki 中学习、更新和关联的内容。当用户说“这周我学到了什么”、“给我一份摘要”、“每周总结”、“知识报告”、“我的 wiki 有什么新鲜事”、执行“/wiki-digest [period]”、“总结我最近的学习”，或希望获取近期 wiki 活动的可读性概览时使用此功能。本功能与 wiki-status（报告数据源的摄取增量）不同——wiki-digest 摘要的是*知识*，而非数据源。