DogearAI 记忆层

问题：上下文困在工具里

同一个开发者可能一天内在 Claude、Cursor、ChatGPT 之间来回切换：在对话里定下的架构决策、反复强调的代码风格偏好、项目采用的技术栈，换一个工具就全部归零，只好重新解释一遍。这不是模型能力问题，而是记忆层缺失——每个工具各自维护各自的会话上下文，用户的历史信息无法跨工具复用。

工作方式：一个 token 的记忆层

DogearAI 把记忆外置到服务端，统一用一个命令行脚本 dogear.py 读写（纯标准库 Python，无需安装），接入成本只有一个 API token：在 DogearAI 网页后台创建后，设为环境变量 DOGEAR_TOKEN 或运行 python dogear.py set-token 保存即可。脚本不要求你传 user id，每次调用由 token 自动按账号隔离。

核心动作只有两个：

• 回忆：任务开始时运行 python dogear.py context 拉取用户长期上下文，已知领域时加 --scopes a,b 或先用 python dogear.py spaces 查看空间、再用 read-space 读全文。用户说「我的项目」「我们之前定的」这类话时，先回忆再动手。
• 保存：用户说出长期有效、换工具后不想重讲的内容（偏好、决策、技术栈事实、带未来约束的承诺）时，运行 python dogear.py remember "..."。服务端会自动归类到合适的空间，无需自己选空间；一次调用 = 一条原子记忆，长文本拆成多次调用。

适用边界与注意点

• 回忆到的内容反映写入当时的情况。任何可能已变化的（文件、版本、决策），依赖前先向用户或仓库核实。
• 不存：临时闲聊、能从当前代码轻易重得的信息、密钥——除非用户明确要求。
• 保存要克制：几条高价值记忆胜过把什么都倒进去。
• 读操作（context、spaces、read-space）安全静默，无需征求许可；记忆的重命名、合并、删除等策展在 DogearAI 后台由用户完成，不走本 skill。

已经在用 DogearAI MCP server 的用户注意：其工具（get_context / list_spaces / read_space / write_memory）与本脚本做的是同一件事，本 skill 只是命令行的那条路。