ai-brain-learning-memory

该 Skill 以人脑模型组织 AI 学习与记忆方法，涵盖三层记忆架构、编码—存储—提取流程、间隔重复与遗忘机制、记忆安全及记忆评测。附带 Python 评测脚本，可输出六维评分 JSON；材料显示未做独立安全扫描，评测证据待补。

zhaoxinghua09-cell

热度 70.53

最近更新 2026-10-17 08:02:11

分类：知识依赖：代码执行 / 读写文件应用场景：概念解释 / 笔记整理 / 研究

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add ai-brain-learning-memory

Metadata

name: ai-brain-learning-memory
title: AI大脑学习记忆方法论
display_name: AI大脑学习记忆方法论
description: AI 大脑学习记忆方法论（汇总版）——把 AI 的学习与记忆按人脑模型组织：三层记忆架构 + 编码→存储→提取三阶段 + 训战省化学习飞轮 + 复习与遗忘机制 + 人脑学习法原理与 AI 对照 + 记忆安全。让 AI 真正「学得进、记得住、用得上」。含 30 秒上手、触发说明、场景例子、问题速查表，普通用户也能直接用。触发词：大脑学习记忆、AI学习记忆、记忆架构、怎么让AI记住、学习记忆机制、海马体、记忆固化、brain memory、learning memory、记忆模型、记忆分层、艾宾浩斯、间隔重复、记忆宫殿、费曼学习法、主动回忆、睡眠巩固、记忆投毒、记忆安全、情节记忆、语义记忆、快速绑定、记忆评测。
version: 2.4.1
agent_created: true
author: SynomosAI (LGD initiative)
license: MIT
license_scope: 代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools: Read, Glob, Grep, Write, WebSearch, Task
category: AI学习方法论
platforms: ["windows","macos","linux"]
read_when: ["需要决定「这个信息该不该记 / 记到哪」时","任务完成后需要沉淀经验时","发现记忆混乱 / 记不住 / 找不到 / 忘了时","需要给 AI 或团队讲解学习记忆机制时","学习新技能 / 新知识之前"]
tags: ["学习记忆","记忆架构","记忆固化","遗忘曲线","训战省化","记忆卫生","记忆安全","人脑学习法","AI学习方法论"]
slug: SynomosAI-brain-learning-memory
displayName: AI大脑学习记忆方法论
description_zh: AI 大脑学习记忆方法论（汇总版）——把 AI 的学习与记忆按人脑模型组织：三层记忆架构 + 编码→存储→提取三阶段 + 训战省化学习飞轮 + 复习与遗忘机制 + 人脑学习法原理与 AI 对照 + 记忆安全。让 AI 真正「学得进、记得住、用得上」。含 30 秒上手、触发说明、场景例子、问题速查表，普通用户也能直接用。
description_en: Human-brain-inspired methodology for AI learning and memory: three-tier memory architecture, encode-store-retrieve stages, training flywheel, review/forgetting mechanisms and memory safety.
classification: {"skillhub":["knowledge"],"iso_25010":["Maintainability"]}
risk_tier: medium
risk_rationale: 门禁批量补丁默认 medium：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high。
standards_ref: ["OWASP Agentic Top 10"]
ai_protocol: true
spec: usk/1.0
interface: {"type":"cli","entry_point":"scripts/memory_eval_battery.py","runtime":"python3","call_pattern":"args"}
input_schema: [{"name":"out","type":"string","description":"结果 JSON 输出路径，默认 memory_eval_results.json","required":false}]
output_schema: {"stdout":"六维 0-5 分评测 JSON（编码/单跳/多跳/时序/蒸馏/容量）","exit_code":{"type":"integer","description":"0=OK/PASS; 1=findings/warnings; 2=usage or argument error"}}
capabilities: ["memory_eval","benchmark","llm_memory"]
permissions: {"network":false,"filesystem":false,"subprocess":false}
requirements: {"python_packages":[],"min_python":"3.8"}
changelog: 2.4.1: Bilingual rewrite (full EN+ZH, English first); 1.0.0: initial upload (USK v3)

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate（外部公开评测门禁文档）

English

When to use

Deep memory optimization with hippocampus-model or Ebbinghaus-forgetting applications.
Long-term memory stability: prevent "memory poisoning", enable memory safety.
Validate human-brain principles (three-tier architecture) mapped into AI and evaluate effect.

Usage

Run python memory_eval_battery.py with args to run the memory evaluation battery.
Optional params: --mode=encoding_stage, --verify=retrieval_check.
Doc-interaction mode: trigger words auto-load the built-in protocol.

Flow

Encode: layer new information into the three-tier memory architecture per the human-brain model.
Spaced repetition: apply Ebbinghaus curve for background review.
Retrieval test: run memory_eval_battery.py for the full battery.
Analyze results; flag risky data to prevent semantic drift / poisoning.
Optimize params per the memory-safety report — close the learning-flywheel loop.

Evidence & safety

Evidence: TBD. Version: 2.4.1. Security: no independent scan (TBD).

中文

何时用

当需对 AI 进行深度记忆优化，涉及海马体模型或艾宾浩斯遗忘曲线的具体应用时。
当需要进行长期记忆稳定性保障，防止"记忆投毒"并开启记忆安全机制时。
当用户需要验证人脑原理（如三层架构）在 AI 中的实现对照与效果评估时。

用法

直接调用脚本命令 python memory_eval_battery.py 并附加参数执行记忆电池测试。
可选配置参数包括 --mode=encoding_stage、--verify=retrieval_check，用于指定学习阶段与评测方式。
文档交互模式下，输入特定触发词自动加载内置协议，无需命令行操作即可读取使用。

流程

执行数据编码，按人脑模型将新信息分层存入三层记忆架构。
启动间隔重复存储机制，应用艾宾浩斯遗忘曲线进行后台复习。
触发提取测试环节，调用脚本 memory_eval_battery.py 运行完整评测电池。
系统分析结果并标记潜在风险数据，防止语义漂移或信息污染。
根据记忆安全报告优化参数，完成一次学习飞轮循环的反馈闭环。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：2.4.1
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。