Agent Skills
返回列表
🤖

Lerim 编码代理记忆提取器

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3c6cb52e/extract-reusable-coding-agent-memory-from-past-sessions-with-lerim。

技能介绍

会话痕迹的重用困境

在使用 Claude Code、Codex CLI、Cursor 或 OpenCode 等编码代理时,每一次运行都会留下大量的执行痕迹(traces)。然而,这些原始日志往往过长、噪音太多,且高度依赖特定的平台或运行环境,导致下一个代理实例很难直接复用这些上下文。项目决策、架构调整和关键踩坑经验往往在会话结束后就丢失了,重新构建上下文成本极高。

提取持久记忆的核心机制

Lerim 技能旨在解决这一痛点。它能够监听上述主流编码代理的会话过程,从中提取出具有持久价值的项目记忆(durable project memory)。

  • 会话监控:持续追踪 Claude Code、Codex CLI、Cursor 和 OpenCode 的运行状态。
  • 记忆提取:过滤掉冗长且无关的执行噪音,提炼出项目级的持久记忆。
  • 本地存储:将提取出的记忆保存为本地的可复用 Markdown 文件,方便后续代理直接读取和继承上下文。

适用边界与注意事项

  • 环境依赖:使用该技能需要 Python 3.10+ 环境,官方推荐配置 Docker 以获得最佳体验。
  • 数据清洗:由于不同平台的 traces 格式各异,提取过程需要依赖 clean_to_lerim_jsonl.py 等脚本进行数据清洗和格式转换,以确保生成的 Markdown 具备良好的可读性和一致性。

使用场景

  • 在轮换使用 Claude Code 与 Cursor 的团队中,需要将前序代理的架构决策沉淀为文档以供后续代理复用
  • 在长时间的 Codex CLI 开发流中,需要自动剔除冗余日志,仅保留项目级的关键上下文用于下次启动
  • 在使用 OpenCode 进行自动化编码后,需要将散落的调试经验转换为统一的 Markdown 知识库
  • 在跨平台协作中,需要将特定环境的执行痕迹清洗并归档为本地可读的项目记忆文件

适合人员

  • 资深全栈工程师,希望在不同 AI 编码工具间保持项目上下文的连续性
  • 研发团队负责人,试图通过规范化的上下文管理降低多代理协作中的沟通成本
  • 开源项目维护者,需要将频繁迭代中的零散技术决策归档为可被自动化工具读取的标准文档