多层记忆系统

定位

本技能提供从短期记忆到长期记忆的完整方法论。

核心价值：让AI具备分层记忆能力，实现信息的长期保存、按需检索和智能维护。

核心能力

分层存储能力

将记忆分为多个层级，每层有不同的作用域和生命周期：

• Cloud Memory（云端记忆）：跨项目的长期记忆，由服务器管理
• Local Memory（本地记忆）：用户级的本地记忆，跨项目共享
• Workspace Memory（工作区记忆）：项目级的工作区记忆，仅当前项目可见

记忆写入能力

根据信息类型和重要性，选择合适的存储层级：

• 自动写入：完成重要工作后自动记录
• 手动写入：用户明确要求记住的信息
• 选择写入：根据信息类型选择存储层级

记忆检索能力

根据需求从合适的层级检索信息：

• 上下文注入：自动注入相关记忆到上下文
• 按需检索：根据用户请求检索特定记忆
• 智能匹配：根据当前任务匹配相关记忆

记忆维护能力

定期维护记忆，确保信息的准确性和时效性：

• 清理过期：删除过时或无用的记忆
• 合并重复：合并重复或相似的记忆
• 归档旧记忆：将旧记忆归档到长期存储

三层结构

第一层：记忆系统清单 + 依赖拓扑   →  references/memory-catalog.md
第二层：方法论要求清单            →  references/memory-requirements.md
第三层：方法论范本库              →  references/exemplars.md

使用规则

执行流程

1. 记忆识别：识别需要记忆的信息
2. 层级选择：根据信息类型选择存储层级
3. 记忆写入：将信息写入选定的层级
4. 记忆检索：根据需求检索相关记忆
5. 记忆维护：定期维护记忆系统

记忆写入规则

写入时机：

• 完成重要工作后
• 用户明确要求记住时
• 发现重要规律或模式时

层级选择：

写入格式：

## 记忆标题

### 内容
[记忆的具体内容]

### 来源
[记忆的来源或上下文]

### 时间
[记忆的创建时间]

### 标签
[记忆的分类标签]

记忆检索规则

检索时机：

• 用户询问相关信息时
• 执行相关任务时
• 需要参考历史经验时

检索策略：

1. 首先检索Workspace Memory（当前项目相关）
2. 然后检索Local Memory（用户相关）
3. 最后检索Cloud Memory（全局相关）

检索结果处理：

• 将相关记忆注入上下文
• 根据相关性排序
• 过滤过时或无用信息

记忆维护规则

维护频率：

• 每天：清理临时记忆
• 每周：合并重复记忆
• 每月：归档旧记忆

维护操作：

• 清理：删除过时或无用记忆
• 合并：合并重复或相似记忆
• 归档：将旧记忆归档到长期存储

执行框架

本技能内嵌了完整的记忆管理执行框架。

核心理念：

• 分层存储：不同层级存储不同类型的信息
• 按需检索：根据需求从合适层级检索信息
• 智能维护：定期维护确保记忆质量

统一执行流程：收到任务后按5步执行——记忆识别 → 层级选择 → 记忆写入 → 记忆检索 → 记忆维护。

Step 0：记忆识别

识别需要记忆的信息：

• 信息类型（事实/偏好/规范/知识）
• 重要程度（高/中/低）
• 时效性（长期/短期/临时）
• 作用域（全局/用户/项目）

Step 1：层级选择

根据信息特征选择存储层级：

• Cloud Memory：长期事实、全局知识
• Local Memory：用户偏好、个人习惯
• Workspace Memory：项目规范、工作约定

Step 2：记忆写入

将信息写入选定的层级：

• 格式化记忆内容
• 添加元数据（时间、来源、标签）
• 写入到对应文件

Step 3：记忆检索

根据需求检索相关记忆：

• 分析检索需求
• 从合适层级检索
• 过滤和排序结果
• 注入到上下文

Step 4：记忆维护

定期维护记忆系统：

• 清理过时记忆
• 合并重复记忆
• 归档旧记忆
• 更新索引

事实纪律

1. 记忆写入必须准确，不可虚构
2. 记忆检索必须全面，不可遗漏
3. 记忆维护必须及时，不可延迟
4. 记忆格式必须规范，不可随意
5. 记忆安全必须保障，不可泄露