这是什么

中国独立开发者最近开源了一个叫 Usora 的工具，瞄准一个多数 AI 用户碰到但没人系统说的事——和 AI 协作产生的经验，正在大量流失。它想治的毛病很具体：你今天和 AI 一起花一个小时解决的复杂问题，下周换个项目，又要重新讲一遍——背景、规则、判断标准、输出格式，全得重来。

提出者认为，这些"协作经验"已经接近一种"能力"——不是一句 Prompt（给 AI 的指令），而是一套方法，可以被 AI Agent（能自主执行任务的 AI 助手）再次调用。Usora 想做的，是把这些方法从对话历史里捞出来，沉淀成可复用的 Skill（技能）。它的核心机制叫 Foundry（铸造厂）：观察协作过程 → 收集活动 → 提炼候选技能 → 人工验证 → 发布到个人技能库。

另一个设计要点是跨 AI 兼容。不绑定 Codex（OpenAI 的编程助手）、Claude Code（Anthropic 的编程助手）或 Kimi（月之暗面的大模型助手）中的某一个，而是作为通用 Hub（中心），让用户的"技能"在各家 AI 之间通用。这一点回应了很多人正在面对的实际问题：今天用这个 AI，明天用那个，能力不能跟着走。

行业怎么看

支持的声音认为，这个方向戳中了真实的痛点。过去我们用软件，经验沉淀在文档、SOP（标准操作流程）里；现在人和 AI 协作越来越多，但"协作经验怎么留"这件事几乎没人管。Usora 的价值在于，它第一次系统性地提出了方法论和工具雏形。

质疑同样不少。第一，开源个人项目能不能持续维护是个真问题——GitHub 上大量类似想法的工具，做着做着就停了。第二，作者自己也在文章里承认，如果筛选机制做不好，技能库会变成"另一个垃圾场"。把每次对话都自动变成 Skill，结果就是噪音淹没问题；人工筛选，又会失去效率。第三，也是更现实的：大厂正在做类似的事——Anthropic 推 Claude Skills，OpenAI 在 Codex 里做项目级上下文，Cursor 也在做团队知识库。一个人的开源项目和这些基础设施比拼，落点很窄。

我们关心的判断是：这件事真正的难点不在技术，而在"什么值得沉淀"。这个平衡点目前没人找到，它要么靠产品设计的巧思，要么靠生态的自然演化。

对普通人的影响

对企业 IT：如果团队已经大规模使用 AI 编程或写作工具，Usora 的思路值得留意——它提示了一个长期问题：用 AI 越多，单点经验越容易流失，团队知识资产正在被稀释。

对个人职场：现在用 AI 写报告、做表格、写文案，每次其实都在重复造轮子。这类工具成熟后能省下不少时间，但短期内它离普通职场用户还比较远。

对消费市场：现阶段主要服务开发者，普通消费者短期无感。但"让 AI 记住你的偏好和做事方式"这个思路一旦成熟，会延伸到日常办公、消费、客服等更广的场景。