技能介绍

问题背景：AI 会话的 Token 浪费源头

在持续会话中，AI 助手会自动加载 .workbuddy/memory 目录下的所有记忆文件到上下文窗口。随着时间推移，这些文件不断累积：未清理的旧对话、重复的记忆片段、过时的缓存数据。直接后果是每次会话的初始 Token 消耗激增，导致响应变慢、成本上升，且低质量记忆会干扰 AI 的判断准确性。

具体表现为：

Token 预算失控：一个膨胀的记忆文件可能占用数千 Token，挤占真正需要处理新任务的空间。
搜索效率低下：在大量杂乱记忆中查找特定信息，AI 需要处理更多无关内容。
缓存负债：临时处理数据堆积，占用磁盘空间且可能影响性能。

核心功能：精准裁剪记忆流

记忆管家 V3.9.0 作为 AI 记忆加速器，通过一套自动化工具链实现 Token 节流。其工作流程围绕三个核心步骤：

记忆分析与量化

- 使用 analyze 或 token-check 命令扫描记忆目录，生成 Token 使用报告。
- 提供 token-trends 查看历史消耗趋势，识别异常峰值。
- 通过 rank 命令按重要性对记忆分级，为清理提供依据。

智能清理与优化

- 去重与清理：dedup 检测重复记忆，auto-clean 执行差异化清理（如删除旧缓存、压缩过时数据）。
- 预算控制：throttle 命令在注入记忆前进行压缩，确保总 Token 不超过设定预算。
- 精准加载：load --days N 或 load --query [主题] 只加载必要记忆，避免全量扫描。

安全与运维保障

- 三级操作权限：只读操作直接执行；清理类操作默认预览（dry-run），需用户确认；破坏性操作必须显式启用 --execute。
- 健康检查：doctor 命令诊断系统状态，cache-reminder 监控缓存积累。
- 备份与恢复：export 和 import 支持记忆的版本化管理。

适用边界与注意点

本技能专为 .workbuddy/memory 目录设计，以下场景不适用：

通用文件管理（非记忆目录）
代码调试或重构（需专用代码工具）
系统级磁盘清理（涉及全局文件系统）

关键限制：

编码依赖：记忆文件必须为 UTF-8，否则可能出现 UnicodeDecodeError。
权限要求：对 .workbuddy/ 目录需有写权限，否则触发 PermissionError。
功能回退：可选依赖（如 tiktoken 用于精确 Token 计算）缺失时，功能自动降级但核心清理仍可用。

使用提示：首次运行后 Token 数据会逐步积累，建议定期执行 token-trends 监控趋势，结合 throttle 主动控制记忆注入规模。

截图预览

使用场景

长期项目开发中，AI 记忆文件膨胀到数千 Token，导致每次会话启动慢且成本高，需用 analyze 定位大文件并 cache-clean 清理旧缓存。
客户服务会话积累大量对话记录，需要搜索特定客户问题时，用 search --tag 快速过滤相关记忆，避免翻阅杂乱文件。
在 AI 生成报告前，记忆总量超出预算，使用 throttle 命令将相关记忆压缩到指定 Token 数，确保响应速度和费用可控。
定期运维 AI 工作区时，用 doctor 诊断记忆系统健康状况，并 auto-clean 自动删除超过 30 天的临时缓存文件。

适合人员

依赖 AI 进行长期项目管理的开发者，诉求是定期清理记忆缓存以降低 Token 费用并保持上下文准确。
使用 AI 助手处理大量客户对话的客服专员，诉求是通过标签和文件夹搜索快速找到历史记录以提供一致服务。
运营多个 AI 项目并监控成本的技术经理，诉求是诊断系统健康状况并自动化清理无用数据以维持性能。
使用 AI 生成长篇报告的研究人员，诉求是利用节流阀功能压缩记忆注入，避免上下文窗口溢出影响生成质量。

记忆管家 V3.9.0