第一条提示从来不是工作的全部
第一次让 AI 助手参与项目时，它必须一次学会所有事情：命名约定、部署规则、测试习惯、目录结构、产品决策、供应商 API、团队偏好，以及所有无法完整写进 README 的细小事实。
如果会话结束后助手就忘掉这一切，此后的每条提示都会从零开始。因此，Onevium 把 Memory、Skill、Agent 和 MCP 直接放进 @ 工具菜单。它们并非附属功能，而是让能力持续累积的那一层。
Memory 保留重要事实，Skill 保存可复用指令，Agent 让你委派专门工作，MCP 则连接外部工具与数据源。四者共同把 Onevium 从一段单独的聊天，变成会不断积累工作优势的空间。
Memory：不必再反复解释同一个项目
Memory 用来保存长期有效的上下文：决策、约定、偏好、项目事实和经验教训。它不是把你说过的每句话都塞进剪贴簿，而是帮助助手在日后回答时记住真正重要的内容。
对用户而言，价值很直接。你可以告诉 Onevium：这个项目使用 pnpm，营销文案不要夸张，客服回复要双语，或某项迁移是有意推迟的。等到相关问题出现时，这些事实会自动加入上下文。
信任机制同样重要：Onevium 会显示当前用了哪些记忆，让用户可以检查上下文，而不用猜助手是否记对了。
Skill：把重复指令变成可复用工作流
当你厌倦了一遍遍输入同样的提示，就可以创建一项 Skill。它可以固化项目指令、审查清单、发版步骤、内容风格、测试流程，或任何助手应该遵循的重复流程。
例如，团队可以创建一项发版写作 Skill：固定检查 changelog、读取版本号、起草博客段落、验证链接并保持语气一致。也可以创建一项前端审查 Skill，专门检查移动端布局、按钮状态、空状态和无障碍标签。
用户得到的是一致性。工作流成为可复用能力，不再取决于当天是谁写了那条提示。
Agent：委派工作，同时保持主线清晰
长任务往往包含一些适合拥有独立上下文的小任务。一个 Agent 检查文档，一个审查代码，一个比较竞品页面，另一个审计测试。Agent 工具让用户可以为这些委派工作创建专注的子 Agent。
这很有用，因为一段过长的对话很容易变得混乱。专注的 Agent 拥有更窄的任务边界，可以并行探索、带回发现，再由主会话汇总结果。
实际提示可以很简单：“创建一个 Agent 审计浏览器自动化文档，一个检查定价页，一个查看最新 changelog。带回影响最大的三项改进。”
MCP：连接团队已经在使用的工具
MCP 是连接工具、API、文件和数据源的那一层。它让 Onevium 能够触达内置能力之外的系统，而不必把所有可能的集成都硬编码进应用。
这一点很重要，因为每个团队的技术栈都不同。有的需要 GitHub 和 Linear，有的需要内部 API，还有的需要数据库浏览器、分析系统或文档仓库。MCP 让这些能力成为助手可以在同一工作界面中调用的工具。
面向用户的解释很简单：如果数据或操作位于 Onevium 外部，就通过 MCP 把它接进来，而不是让助手沦为不断复制粘贴的中转站。
四种工具如何相互叠加
这些工具组合使用时，真正的力量才会显现。Memory 记得发布说明必须提及迁移风险；Skill 定义发版清单；Agent 分别执行文档审查和浏览器 QA；MCP 从外部系统读取 Issue 数据或构建状态。
一条提示就能成为严肃的工作流：“运行发版就绪 Skill，用 Agent 检查文档和浏览器 QA，通过 MCP 查看未关闭 Issue，并把长期有效的决策保存到 Memory。”这就是一份 AI 回答与一个 AI 工作界面之间的区别。
这也是 Onevium 把这些工具放进输入框，而不是藏在设置中的原因。它们不是配置项，而是用户表达工作要求的组成部分。
我们追求的用户体验
目标不是让用户思考基础设施，而是让强大的工作流变得自然：记住这件事、复用这套流程、委派这项工作、连接这个系统。这些本来就是日常用语，@ 菜单只是把它们变成产品动作。
当团队持续使用这些工具，Onevium 会随时间变得更有价值：项目积累记忆，团队积累可复用 Skill，助手积累已连接工具。每天早上，工作不必再从零开始。