跨会话文件式记忆（分层混合）Skill
解决什么问题
纯文件记忆的召回是"全量读索引 + 凭关键词碰"，事实一多就烧 context、漏召回、去重靠手、断链没人查、陈旧事实误导。本 Skill 把召回从"全量塞"变成"选择性取"，并自动做生命周期维护。
三层架构
第一层：markdown 真理源（不动）
每个事实一个 .md，frontmatter 带 name / description / type / updated，正文写事实。
- 人能读、git 能 diff、可跨 bot 同步；
MEMORY.md是人看的索引（一行一个指针）。type取值：user（用户画像）/project（进行中工作，会过时）/reference（外部指针，较稳定）。
第二层：派生索引（脚本构建）
scripts/build_index.py 扫描 memory 目录，解析 frontmatter，写入 memory.db（SQLite，标准库）。
scripts/recall.py "<词1 词2 ...>" 做选择性召回：按词 AND 匹配 name+description+body，返回 top-k 文件路径，按需再 Read 全文。从全量塞 context 变成按需取。
第三层：生命周期检查（修三个老坑）
scripts/lint.py 一次输出三类问题：
- 断链：
[[name]]目标不存在； - 重复：description 相同的事实；
- 陈旧：
type: project且updated超过 N 个月 → 召回时附"【请先核实此事实是否仍成立，文件/函数/flag 可能已变】"。
工作流程
- 搭记忆目录：放若干
<slug>.md+ 一个MEMORY.md索引。 python scripts/build_index.py <memory_dir>建索引。- 召回：
python scripts/recall.py <memory_dir> "句法 GPT2" --k 5。 - 体检：
python scripts/lint.py <memory_dir> --stale-months 3。 - 日常：增删事实后重跑 build（recall 检测到 .md 比 db 新会自动重建）。
关键原则
- 真理源始终是 .md：db 只是派生物，可随时删了重建，绝不手改 db。
- 召回后核实：对
type:project的陈旧事实，应用前先核实文件/函数/flag 是否还在。 - 零依赖：只用 Python 标准库（sqlite3），受限网络/不装包环境直接跑。
- 中文友好：召回用子串匹配（LIKE 语义），不做分词，中文不漏匹配。
使用样例
见 examples/sample-memory/。演示命令：
python scripts/build_index.py examples/sample-memory
python scripts/recall.py examples/sample-memory "句法 GPT2"
python scripts/lint.py examples/sample-memory --stale-months 3